세종말뭉치의 통계치를 적어놓은 레포지토리입니다.
세종 말뭉치는 구어 데이터 200개, 문어 데이터 279개로 이뤄져 있습니다. 문장 수, 어절 수, 단어 수는 아래와 같습니다.
문장: 216,723 (구어), 837,843 (문어)
구어/문어 데이터를 종합하여 존재하는 어절과 고유어절의 개수는 아래와 같습니다.
어절: 10,807,777
고유 어절: 1,560,437
Top 50 eojeols
[('그', 81457),
('수', 68306),
('있다.', 56845),
('있는', 55802),
('이', 47680),
('한', 39459),
('것이다.', 37810),
('하는', 25381),
('것은', 24816),
('것이', 24642),
('그러나', 24511),
('할', 22909),
('나는', 22162),
('한다.', 21743),
('같은', 21198),
('있었다.', 20835),
('대한', 20529),
('또', 19782),
('그런', 19575),
('그리고', 18481),
('안', 17729),
('더', 17374),
('것을', 16830),
('우리', 16461),
('하고', 16312),
('그는', 15906),
('다른', 15238),
('때', 14866),
('없는', 14781),
('했다.', 14724),
('등', 14473),
('이런', 14375),
('두', 13645),
('내가', 13533),
('것', 13433),
('잘', 13230),
('다시', 13112),
('어떤', 12771),
('때문에', 12745),
('내', 12236),
('다', 11823),
('그의', 11120),
('것으로', 11046),
('없다.', 10544),
('이렇게', 10499),
('게', 10452),
('위해', 10374),
('가장', 10309),
('아니라', 10125),
('있을', 9922)]
'지금은, 지금/NNG + 은/JKS'과 같이 (어절, 단어, 품사)로 이뤄진 pair의 고유 개수는 1,642,217 개 입니다. 각 고유 pair와 빈도수는 tokentable.txt에 저장되어 있습니다. 스냅샷은 아래와 같습니다.
...
예술가의 예술가/NNG+의/JKG 113
예술가는 예술가/NNG+는/JX 45
예술가 예술가/NNG 44
예술가가 예술가/NNG+가/JKS 43
예술가들의 예술가/NNG+들/XSN+의/JKG 30
예술가들은 예술가/NNG+들/XSN+은/JX 30
예술가들이 예술가/NNG+들/XSN+이/JKS 25
예술가가 예술가/NNG+가/JKC 22
....
한국어는 1000여 글자가 자주 사용된다고 알려져 있으며, 세종 말뭉치 기준 300 글자가 89.48% 를 차지한다. 자주 이용되는 글자는 아래와 같다. 글자 옆의 수치는 (빈도수, 누적 비율)이다.
이 (1167221, 3.71 %), 다 (977169, 6.81 %), 는 (850962, 9.52 %), 에 (621290, 11.49 %)
의 (609623, 13.43 %), 을 (582238, 15.28 %), 가 (551022, 17.03 %), 고 (548996, 18.77 %)
하 (511458, 20.40 %), 지 (481319, 21.92 %), 그 (415148, 23.24 %), 한 (404041, 24.53 %)
로 (402448, 25.81 %), 서 (389041, 27.04 %), 은 (387046, 28.27 %), 어 (364381, 29.43 %)
기 (356798, 30.56 %), 나 (323632, 31.59 %), 도 (322734, 32.62 %), 아 (306072, 33.59 %)
를 (304788, 34.56 %), 사 (300428, 35.51 %), 리 (278356, 36.39 %), 있 (271760, 37.26 %)
들 (257388, 38.08 %), 자 (257294, 38.89 %), 대 (237144, 39.65 %), 으 (233996, 40.39 %)
인 (227498, 41.11 %), 것 (227277, 41.83 %), 시 (219237, 42.53 %), 라 (213233, 43.21 %)
게 (207331, 43.87 %), 해 (204475, 44.52 %), 수 (202083, 45.16 %), 니 (183153, 45.74 %)
정 (175165, 46.30 %), 보 (168677, 46.83 %), 만 (167919, 47.37 %), 적 (167133, 47.90 %)
일 (164002, 48.42 %), 면 (161772, 48.93 %), 었 (157697, 49.43 %), 과 (156109, 49.93 %)
부 (151394, 50.41 %), 제 (150376, 50.89 %), 주 (147128, 51.35 %), 여 (138507, 51.79 %)
전 (136390, 52.23 %), 상 (134604, 52.66 %), 장 (134567, 53.08 %), 구 (129907, 53.50 %)
문 (127071, 53.90 %), 우 (117545, 54.27 %), 거 (115955, 54.64 %), 요 (114157, 55.00 %)
내 (112497, 55.36 %), 되 (112424, 55.72 %), 러 (110573, 56.07 %), 성 (110331, 56.42 %)
생 (107519, 56.76 %), 했 (107254, 57.10 %), 동 (104542, 57.43 %), 마 (104454, 57.77 %)
무 (104355, 58.10 %), 소 (103415, 58.43 %), 국 (102545, 58.75 %), 신 (100787, 59.07 %)
야 (95767, 59.38 %), 말 (95467, 59.68 %), 화 (94345, 59.98 %), 원 (92280, 60.27 %)
없 (92176, 60.57 %), 데 (91305, 60.86 %), 경 (90527, 61.14 %), 스 (90482, 61.43 %)
와 (88650, 61.71 %), 할 (88292, 61.99 %), 위 (87195, 62.27 %), 모 (87135, 62.55 %)
오 (86909, 62.82 %), 비 (86275, 63.10 %), 학 (85530, 63.37 %), 조 (84792, 63.64 %)
까 (82976, 63.90 %), 간 (81946, 64.16 %), 때 (81908, 64.42 %), 미 (78945, 64.67 %)
안 (78630, 64.92 %), 중 (78532, 65.17 %), 세 (78164, 65.42 %), 려 (77567, 65.67 %)
계 (77091, 65.91 %), 치 (75232, 66.15 %), 관 (74380, 66.39 %), 실 (73559, 66.62 %)
진 (73391, 66.85 %), 선 (73359, 67.09 %), 음 (72630, 67.32 %), 않 (71829, 67.55 %)
물 (70536, 67.77 %), 공 (70487, 67.99 %), 회 (70401, 68.22 %), 연 (68720, 68.44 %)
유 (68229, 68.65 %), 개 (67140, 68.87 %), 방 (67061, 69.08 %), 교 (65495, 69.29 %)
람 (64439, 69.49 %), 분 (64323, 69.70 %), 히 (63795, 69.90 %), 각 (63006, 70.10 %)
며 (62988, 70.30 %), 단 (62205, 70.50 %), 식 (61769, 70.69 %), 바 (61753, 70.89 %)
운 (61078, 71.08 %), 두 (60882, 71.28 %), 명 (60623, 71.47 %), 던 (57808, 71.65 %)
된 (57618, 71.84 %), 당 (57249, 72.02 %), 체 (57165, 72.20 %), 등 (56337, 72.38 %)
용 (56035, 72.56 %), 금 (55334, 72.73 %), 통 (54906, 72.91 %), 년 (54145, 73.08 %)
발 (54043, 73.25 %), 래 (53764, 73.42 %), 같 (53649, 73.59 %), 작 (53528, 73.76 %)
저 (52099, 73.93 %), 영 (51868, 74.09 %), 르 (51694, 74.26 %), 런 (51627, 74.42 %)
더 (51179, 74.58 %), 산 (51106, 74.75 %), 았 (51076, 74.91 %), 민 (49046, 75.06 %)
행 (49002, 75.22 %), 속 (48661, 75.37 %), 재 (48550, 75.53 %), 차 (48452, 75.68 %)
터 (47125, 75.83 %), 반 (46991, 75.98 %), 입 (46869, 76.13 %), 업 (46754, 76.28 %)
처 (46496, 76.43 %), 습 (46459, 76.57 %), 남 (45221, 76.72 %), 였 (44763, 76.86 %)
심 (44451, 77.00 %), 건 (44150, 77.14 %), 현 (43911, 77.28 %), 결 (43501, 77.42 %)
집 (42784, 77.55 %), 불 (42560, 77.69 %), 역 (41995, 77.82 %), 드 (40898, 77.95 %)
직 (40354, 78.08 %), 양 (40014, 78.21 %), 예 (39944, 78.33 %), 감 (39482, 78.46 %)
달 (38783, 78.58 %), 른 (38572, 78.71 %), 본 (38119, 78.83 %), 난 (37514, 78.95 %)
점 (37447, 79.07 %), 또 (36928, 79.18 %), 렇 (36490, 79.30 %), 못 (35675, 79.41 %)
력 (35087, 79.52 %), 설 (34907, 79.63 %), 형 (34506, 79.74 %), 후 (34421, 79.85 %)
살 (34232, 79.96 %), 질 (34191, 80.07 %), 버 (34128, 80.18 %), 따 (34114, 80.29 %)
배 (33987, 80.40 %), 날 (33745, 80.50 %), 노 (33222, 80.61 %), 근 (33153, 80.71 %)
든 (33142, 80.82 %), 호 (33025, 80.92 %), 타 (32871, 81.03 %), 강 (32719, 81.13 %)
느 (32059, 81.23 %), 알 (31952, 81.34 %), 법 (31357, 81.43 %), 트 (30869, 81.53 %)
머 (30816, 81.63 %), 번 (30799, 81.73 %), 많 (30112, 81.82 %), 표 (30066, 81.92 %)
울 (29709, 82.01 %), 태 (29643, 82.11 %), 천 (29584, 82.20 %), 겠 (29539, 82.30 %)
종 (29414, 82.39 %), 론 (29254, 82.48 %), 편 (29049, 82.57 %), 받 (28513, 82.67 %)
매 (28110, 82.75 %), 목 (27851, 82.84 %), 술 (27778, 82.93 %), 새 (27631, 83.02 %)
외 (27610, 83.11 %), 파 (27551, 83.19 %), 임 (27347, 83.28 %), 함 (27319, 83.37 %)
란 (27032, 83.45 %), 언 (26696, 83.54 %), 약 (26410, 83.62 %), 권 (26389, 83.71 %)
피 (26115, 83.79 %), 출 (26077, 83.87 %), 돌 (26056, 83.96 %), 월 (25826, 84.04 %)
포 (25611, 84.12 %), 럼 (25591, 84.20 %), 루 (25277, 84.28 %), 린 (24836, 84.36 %)
녀 (24817, 84.44 %), 네 (24782, 84.52 %), 너 (24636, 84.59 %), 추 (24514, 84.67 %)
합 (24338, 84.75 %), 디 (24275, 84.83 %), 록 (24096, 84.90 %), 석 (24072, 84.98 %)
걸 (23946, 85.06 %), 군 (23876, 85.13 %), 절 (23604, 85.21 %), 열 (23514, 85.28 %)
길 (23454, 85.36 %), 얼 (23349, 85.43 %), 청 (23255, 85.50 %), 활 (23150, 85.58 %)
눈 (23141, 85.65 %), 온 (23127, 85.73 %), 져 (23002, 85.80 %), 향 (22885, 85.87 %)
변 (22883, 85.94 %), 름 (22811, 86.02 %), 평 (22701, 86.09 %), 복 (22591, 86.16 %)
초 (22462, 86.23 %), 잘 (22205, 86.30 %), 씨 (22201, 86.37 %), 올 (22187, 86.44 %)
순 (22024, 86.51 %), 환 (21896, 86.58 %), 능 (21887, 86.65 %), 늘 (21692, 86.72 %)
품 (21650, 86.79 %), 판 (21623, 86.86 %), 좋 (21602, 86.93 %), 손 (21476, 87.00 %)
책 (21475, 87.06 %), 누 (21450, 87.13 %), 특 (21412, 87.20 %), 애 (21344, 87.27 %)
준 (21305, 87.33 %), 크 (21299, 87.40 %), 랑 (21100, 87.47 %), 프 (21025, 87.54 %)
증 (21025, 87.60 %), 막 (20927, 87.67 %), 레 (20862, 87.74 %), 백 (20581, 87.80 %)
독 (20393, 87.87 %), 먹 (20285, 87.93 %), 담 (20234, 87.99 %), 박 (20227, 88.06 %)
필 (19806, 88.12 %), 앞 (19749, 88.18 %), 참 (19711, 88.25 %), 최 (19656, 88.31 %)
격 (19525, 88.37 %), 왔 (19480, 88.43 %), 키 (19410, 88.50 %), 급 (19238, 88.56 %)
워 (19141, 88.62 %), 족 (19048, 88.68 %), 놓 (18891, 88.74 %), 김 (18756, 88.80 %)
별 (18588, 88.86 %), 확 (18473, 88.92 %), 육 (18164, 88.97 %), 병 (18122, 89.03 %)
토 (18052, 89.09 %), 쪽 (17754, 89.14 %), 님 (17686, 89.20 %), 줄 (17666, 89.26 %)
친 (17546, 89.31 %), 될 (17383, 89.37 %), 겨 (17295, 89.42 %), 창 (17207, 89.48 %)
잡 (17166, 89.53 %), 료 (16996, 89.59 %), 벌 (16907, 89.64 %), 듯 (16893, 89.69 %)
련 (16749, 89.75 %), 뭐 (16747, 89.80 %), 침 (16721, 89.85 %), 갈 (16700, 89.91 %)
뒤 (16587, 89.96 %), 쓰 (16470, 90.01 %), 죽 (16402, 90.06 %), 렸 (16247, 90.11 %)
투 (16242, 90.17 %), 망 (16204, 90.22 %), 냐 (16126, 90.27 %), 극 (16041, 90.32 %)
북 (15909, 90.37 %), 곳 (15867, 90.42 %), 채 (15799, 90.47 %), 철 (15433, 90.52 %)
졌 (15366, 90.57 %), 삼 (15144, 90.62 %), 움 (15022, 90.66 %), 혼 (14873, 90.71 %)
험 (14566, 90.76 %), 승 (14507, 90.80 %), 광 (14495, 90.85 %), 께 (14411, 90.90 %)
쳐 (14376, 90.94 %), 존 (14314, 90.99 %), 맞 (14219, 91.03 %), 갔 (14123, 91.08 %)
테 (13889, 91.12 %), 색 (13887, 91.17 %), 림 (13886, 91.21 %), 억 (13685, 91.25 %)
떤 (13672, 91.30 %), 찾 (13630, 91.34 %), 써 (13308, 91.38 %), 굴 (13295, 91.42 %)
황 (13284, 91.47 %), 허 (13220, 91.51 %), 악 (13175, 91.55 %), 글 (13087, 91.59 %)
쟁 (13036, 91.63 %), 류 (13030, 91.67 %), 락 (12959, 91.72 %), 떠 (12933, 91.76 %)
항 (12931, 91.80 %), 립 (12919, 91.84 %), 견 (12901, 91.88 %), 볼 (12854, 91.92 %)
빠 (12830, 91.96 %), 농 (12827, 92.00 %), 희 (12745, 92.04 %), 령 (12685, 92.08 %)
갖 (12655, 92.12 %), 코 (12649, 92.16 %), 긴 (12647, 92.20 %), 끼 (12632, 92.24 %)
뿐 (12592, 92.28 %), 접 (12566, 92.32 %), 밖 (12557, 92.36 %), 응 (12549, 92.40 %)
싶 (12389, 92.44 %), 축 (12370, 92.48 %), 큰 (12337, 92.52 %), 끝 (12093, 92.56 %)
송 (12007, 92.60 %), 규 (11834, 92.64 %), 카 (11798, 92.67 %), 취 (11703, 92.71 %)
귀 (11607, 92.75 %), 논 (11586, 92.78 %), 엄 (11580, 92.82 %), 좀 (11524, 92.86 %)
왜 (11456, 92.89 %), 충 (11334, 92.93 %), 힘 (11016, 92.96 %), 얘 (11011, 93.00 %)
총 (10972, 93.03 %), 혀 (10932, 93.07 %), 째 (10906, 93.10 %), 몸 (10870, 93.14 %)
밀 (10749, 93.17 %), 십 (10667, 93.21 %), 답 (10627, 93.24 %), 검 (10570, 93.27 %)
잠 (10548, 93.31 %), 났 (10528, 93.34 %), 골 (10487, 93.37 %), 떻 (10323, 93.41 %)
완 (10161, 93.44 %), 돈 (10138, 93.47 %), 몇 (10106, 93.50 %), 럽 (10066, 93.54 %)
떨 (9725, 93.57 %), 범 (9725, 93.60 %), 꾸 (9705, 93.63 %), 몰 (9654, 93.66 %)
커 (9641, 93.69 %), 협 (9626, 93.72 %), 높 (9582, 93.75 %), 웃 (9566, 93.78 %)
넘 (9455, 93.81 %), 익 (9442, 93.84 %), 둘 (9435, 93.87 %), 득 (9426, 93.90 %)
깨 (9339, 93.93 %), 왕 (9338, 93.96 %), 찰 (9297, 93.99 %), 앉 (9212, 94.02 %)
량 (9205, 94.05 %), 측 (9172, 94.08 %), 닌 (9135, 94.11 %), 숙 (9058, 94.13 %)
찬 (9047, 94.16 %), 념 (8967, 94.19 %), 효 (8888, 94.22 %), 돼 (8813, 94.25 %)
엇 (8809, 94.28 %), 죠 (8777, 94.30 %), 놀 (8760, 94.33 %), 택 (8724, 94.36 %)
켜 (8709, 94.39 %), 풍 (8669, 94.41 %), 및 (8572, 94.44 %), 붙 (8492, 94.47 %)
짜 (8448, 94.50 %), 먼 (8403, 94.52 %), 덕 (8332, 94.55 %), 엔 (8315, 94.58 %)
팔 (8310, 94.60 %), 봉 (8301, 94.63 %), 슨 (8279, 94.65 %), 잖 (8271, 94.68 %)
큼 (8224, 94.71 %), 혁 (8138, 94.73 %), 됐 (8090, 94.76 %), 뜻 (8068, 94.78 %)
메 (8022, 94.81 %), 례 (7999, 94.84 %), 싸 (7997, 94.86 %), 밤 (7964, 94.89 %)
혹 (7859, 94.91 %), 즉 (7822, 94.94 %), 착 (7821, 94.96 %), 패 (7789, 94.99 %)
풀 (7623, 95.01 %), 층 (7623, 95.03 %), 밝 (7554, 95.06 %), 욱 (7508, 95.08 %)
욕 (7492, 95.11 %), 베 (7486, 95.13 %), 릴 (7459, 95.15 %), 짓 (7455, 95.18 %)
폭 (7417, 95.20 %), 탄 (7409, 95.22 %), 율 (7329, 95.25 %), 냥 (7193, 95.27 %)
칠 (7159, 95.29 %), 티 (7123, 95.32 %), 벽 (7053, 95.34 %), 갑 (7003, 95.36 %)
봐 (6966, 95.38 %), 틀 (6961, 95.40 %), 므 (6960, 95.43 %), 땅 (6947, 95.45 %)
슬 (6836, 95.47 %), 삶 (6771, 95.49 %), 획 (6767, 95.51 %), 케 (6627, 95.53 %)
곡 (6613, 95.55 %), 징 (6601, 95.58 %), 숨 (6582, 95.60 %), 객 (6550, 95.62 %)
탈 (6520, 95.64 %), 씩 (6508, 95.66 %), 빛 (6503, 95.68 %), 놈 (6452, 95.70 %)
잔 (6380, 95.72 %), 곧 (6309, 95.74 %), 염 (6248, 95.76 %), 암 (6229, 95.78 %)
뜨 (6170, 95.80 %), 빨 (6154, 95.82 %), 꽃 (6135, 95.84 %), 흔 (6109, 95.86 %)
낸 (5971, 95.88 %), 곤 (5966, 95.90 %), 읽 (5959, 95.92 %), 첫 (5934, 95.93 %)
궁 (5806, 95.95 %), 닥 (5790, 95.97 %), 윤 (5767, 95.99 %), 웠 (5755, 96.01 %)
넣 (5728, 96.03 %), 끌 (5724, 96.04 %), 척 (5654, 96.06 %), 즘 (5653, 96.08 %)
품사에는 MAAG, JKBB, NNGG와 같은 오류가 존재하며, 이를 제외한 품사별 빈도수와 비율은 아래와 같다.
NNG: (5423295, 22.168 %)
VV: (1847882, 7.553 %)
EC: (1774216, 7.252 %)
ETM: (1356148, 5.543 %)
JKB: (1023071, 4.182 %)
JX: (953858, 3.899 %)
SF: (930944, 3.805 %)
EF: (869235, 3.553 %)
JKO: (830502, 3.395 %)
NNB: (751990, 3.074 %)
MAG: (713017, 2.915 %)
JKS: (623600, 2.549 %)
XSV: (582283, 2.380 %)
SS: (569874, 2.329 %)
EP: (558982, 2.285 %)
JKG: (521486, 2.132 %)
VX: (514576, 2.103 %)
SP: (494628, 2.022 %)
NNP: (469068, 1.917 %)
VCP: (467462, 1.911 %)
XSN: (439658, 1.797 %)
VA: (429078, 1.754 %)
NP: (386861, 1.581 %)
MM: (346899, 1.418 %)
SN: (253364, 1.036 %)
XSA: (230358, 0.942 %)
JC: (149972, 0.613 %)
XR: (133908, 0.547 %)
ETN: (129824, 0.531 %)
MAJ: (117480, 0.480 %)
NR: (91895, 0.376 %)
IC: (82047, 0.335 %)
SL: (73109, 0.299 %)
SH: (59171, 0.242 %)
JKC: (58901, 0.241 %)
VCN: (49741, 0.203 %)
XPN: (44791, 0.183 %)
SW: (32540, 0.133 %)
SE: (27716, 0.113 %)
JKQ: (18922, 0.077 %)
SO: (7423, 0.030 %)
UNC: (6506, 0.027 %)
UNA: (6361, 0.026 %)
UNT: (5768, 0.024 %)
JKV: (3920, 0.016 %)
NA: (1525, 0.006 %)
그 중 명사의 비율은 29.128 % 이다.
N: (7124644, 29.128)
E: (4688406, 19.168)
J: (4184235, 17.107)
V: (3308743, 13.527)
S: (2444442, 9.994)
X: (1430998, 5.850)
M: (1177399, 4.814)
I: (82047, 0.335)
U: (18635, 0.076)
고유 단어 개수는 명사가 압도적이며, 일반명사의 경우 한 단어 당 평균 60번, 동사의 경우 평균 280번 등장하지만, 어미나 조사의 경우에는 천/만 단위로 등장하는 것을 볼 수 있다. 명사/형용사/동사/부사는 open class 이여서 여러 개념들이 각 상황에 맞게 쓰이는 것이지만 어미/조사는 문법 기능을 하는 closed class이기 때문에 종류는 적고 사용량은 많다.
NNG: unique= 90298, frequency= 5423295, freq/unique= 60.06
VV: unique= 6603, frequency= 1847882, freq/unique= 279.85
EC: unique= 1816, frequency= 1774216, freq/unique= 976.99
ETM: unique= 166, frequency= 1356148, freq/unique= 8169.57
JKB: unique= 125, frequency= 1023071, freq/unique= 8184.57
JX: unique= 140, frequency= 953858, freq/unique= 6813.27
SF: unique= 15, frequency= 930944, freq/unique= 62062.93
EF: unique= 1987, frequency= 869235, freq/unique= 437.46
JKO: unique= 10, frequency= 830502, freq/unique= 83050.20
NNB: unique= 553, frequency= 751990, freq/unique= 1359.84
MAG: unique= 6312, frequency= 713017, freq/unique= 112.96
JKS: unique= 20, frequency= 623600, freq/unique= 31180.00
XSV: unique= 26, frequency= 582283, freq/unique= 22395.50
SS: unique= 57, frequency= 569874, freq/unique= 9997.79
EP: unique= 76, frequency= 558982, freq/unique= 7355.03
JKG: unique= 10, frequency= 521486, freq/unique= 52148.60
VX: unique= 126, frequency= 514576, freq/unique= 4083.94
SP: unique= 35, frequency= 494628, freq/unique= 14132.23
NNP: unique= 60045, frequency= 469068, freq/unique= 7.81
VCP: unique= 15, frequency= 467462, freq/unique= 31164.13
XSN: unique= 124, frequency= 439658, freq/unique= 3545.63
VA: unique= 1612, frequency= 429078, freq/unique= 266.18
NP: unique= 277, frequency= 386861, freq/unique= 1396.61
MM: unique= 228, frequency= 346899, freq/unique= 1521.49
SN: unique= 3604, frequency= 253364, freq/unique= 70.30
XSA: unique= 21, frequency= 230358, freq/unique= 10969.43
JC: unique= 51, frequency= 149972, freq/unique= 2940.63
XR: unique= 2372, frequency= 133908, freq/unique= 56.45
ETN: unique= 18, frequency= 129824, freq/unique= 7212.44
MAJ: unique= 258, frequency= 117480, freq/unique= 455.35
NR: unique= 422, frequency= 91895, freq/unique= 217.76
IC: unique= 1201, frequency= 82047, freq/unique= 68.32
SL: unique= 17283, frequency= 73109, freq/unique= 4.23
SH: unique= 32790, frequency= 59171, freq/unique= 1.80
JKC: unique= 5, frequency= 58901, freq/unique= 11780.20
VCN: unique= 9, frequency= 49741, freq/unique= 5526.78
XPN: unique= 77, frequency= 44791, freq/unique= 581.70
SW: unique= 266, frequency= 32540, freq/unique= 122.33
SE: unique= 11, frequency= 27716, freq/unique= 2519.64
JKQ: unique= 10, frequency= 18922, freq/unique= 1892.20
SO: unique= 23, frequency= 7423, freq/unique= 322.74
UNC: unique= 448, frequency= 6506, freq/unique= 14.52
UNA: unique= 584, frequency= 6361, freq/unique= 10.89
UNT: unique= 1819, frequency= 5768, freq/unique= 3.17
JKV: unique= 16, frequency= 3920, freq/unique= 245.00
품사를 대분류 기준으로 봐도 경향은 동일하다
N: unique= 144294, frequency= 7124644, freq/unique= 49.38
E: unique= 3142, frequency= 4688406, freq/unique= 1492.17
J: unique= 289, frequency= 4184235, freq/unique= 14478.32
V: unique= 7989, frequency= 3308743, freq/unique= 414.16
S: unique= 53965, frequency= 2444442, freq/unique= 45.30
X: unique= 2559, frequency= 1430998, freq/unique= 559.20
M: unique= 6662, frequency= 1177399, freq/unique= 176.73
I: unique= 1201, frequency= 82047, freq/unique= 68.32
U: unique= 2698, frequency= 18635, freq/unique= 6.91
대부분 명사의 길이는 5 이하이며, 길이가 1인 명사는 명사 전체 빈도수의 13.54% 이다. 하지만 세종 말뭉치는 복합명사를 단일 명사들로 분해하여 기록하고 있기 때문에 복합명사를 명사로 인정할 경우에는 길이가 좀 더 길어진다.
length = 1 (1647186, 23.118 %)
length = 2 (4491998, 63.044 %)
length = 3 (763624, 10.717 %)
length = 4 (171364, 2.405 %)
length = 5 (32734, 0.459 %)
length = 6 (10796, 0.152 %)
length = 7 (4715, 0.066 %)
length = 8 (1641, 0.023 %)
length = 9 (608, 0.009 %)
length = 10 (275, 0.004 %)
length = 11 (138, 0.002 %)
길이가 11인 명사들의 일부를 확인해 보면 아래와 같다.
이십일세기세종전자사전/NNP
한국여성경영자총연합회/NNP
다임러크라이슬러코리아/NNP
전국한약관련학과협의회/NNP
MCI커뮤니케이션즈사/NNP
한국여성중소기업인협회/NNP
남북인간띠잇기대회본부/NNP
유니벌씨티오브알라바마/NNP
...
'방송 + 작가'와 같은 '명사 + 명사'이거나 '인간/명사' + '성/명사파생접미사(XSN)'인 경우에는 하나의 명사로 취급할 수 있다. 이렇게 연속된 명사들을 하나로 합쳐서 다시 길이를 살펴보면 아래와 같다.
length = 1 (1251394, 20.159 %)
length = 2 (3488819, 56.202 %)
length = 3 (966378, 15.568 %)
length = 4 (373771, 6.021 %)
length = 5 (80328, 1.294 %)
length = 6 (31125, 0.501 %)
length = 7 (9699, 0.156 %)
length = 8 (3921, 0.063 %)
length = 9 (1280, 0.021 %)
length = 10 (553, 0.009 %)
length = 11 (222, 0.004 %)
length = 12 (74, 0.001 %)
length = 13 (23, 0.000 %)
length = 14 (10, 0.000 %)
length = 15 (7, 0.000 %)
length = 16 (4, 0.000 %)
length = 17 (3, 0.000 %)
length = 22 (1, 0.000 %)
명사가 합성되면서 1음절 명사의 빈도수는 1,647,186 --> 1,251,394 으로 줄어든다. 어절의 앞 부분부터 연속된 명사가 만들어지는 경우만 고려하였기 때문에 길이별 빈도수가 줄어든다. '동사 + 명사형전성어미 + 명사' 의 품사들도 등장할 수 있으나, 이는 고려하지 않았다. 하지만 명사의 길이별 분포는 달라짐을 볼 수 있다.
length = 1: 23.118 % --> 20.159 % (감소)
length = 2: 63.044 % --> 56.202 % (감소)
length = 3: 10.717 % --> 15.568 % (증가)
length = 4: 2.405 % --> 6.021 % (증가)
length = 5: 0.459 % --> 1.294 % (증가)
length = 6: 0.152 % --> 0.501 % (증가)
길이가 1, 2인 명사들은 합성되어서 만들어지기가 어렵다. 하지만 '인간 + 성 = 인간성'과 같은 명사들은 만들어지기 쉽기 때문에 길이가 3 ~ 6 정도의 명사들의 비율이 증가함을 볼 수 있다.
어미를 제외한 동사의 길이는 아래와 같다. 대부분의 동사가 길이가 4 이하이지만, 동사/형용사는 어미와 함께 쓰이기 때문에 활용이 되는 동사/형용사의 길이는 대부분 2 이상이 된다. 길이가 1인 경우는 '가다/V + ㄴ/E -> 간'과 같이 -ㄴ, -ㄹ 이 결합되는 경우이다.
length = 1 (109016, 40.342 %)
length = 2 (102968, 38.104 %)
length = 3 (45965, 17.010 %)
length = 4 (10938, 4.048 %)
length = 5 (1245, 0.461 %)
length = 6 (89, 0.033 %)
length = 7 (2, 0.001 %)
length = 8 (7, 0.003 %)
길이가 8인 동사들은 아래와 같다. 길이가 긴 동사들은 '조물락조물락' + '거리다'와 같이 거리다/하다/되다/이다 등과 결합되는 동사들이다.
조물락조물락거리/VV
오무락조무락거리/VV
수군덕수군덕거리/VV
허우적허우적거리/VV
바스락바스락거리/VV
으르렁으르렁거리/VV
엎치락뒤치락거리/VV