글자 분포 분석
글에서 자주 쓴 글자 TOP 10을 세어 막대 그래프로 보여줘요.
이럴 때 쓰세요
이렇게 사용하세요
결과가 예상과 다를 때
결과가 잘려 보여요
전체 결과는 복사 버튼으로 받을 수 있어요.
입력한 내용이 사라졌어요
이 기기에 자동 저장돼요. 브라우저 저장소를 지우면 함께 사라져요.
자주 하는 실수
- 공백과 줄바꿈까지 세면 첫 등장에 'ㅇ'이 오르내립니다. 분포를 볼 때는 공백·문장부호를 빼고, 조사는 따로 세는 게 맞습니다.
- 한글 음절을 자모로 쪼개 세면 'ㅎ'이나 'ㅏ'가 따로 갈라집니다. 음절 단위 분포를 원하면 글자 하나를 하나로 세어야 해요.
- 상위 10개만 보고 균형적이라고 결론 내립니다. 상위 10개가 전체에서 몇 %를 차지하는지 함께 보세요. 몇 자가 50%를 넘으면 특정 단어가 반복된 것입니다.
- 몇 문장만 넣으면 프로파일이 무의미합니다. 한 번씩만 쓰인 글자가 대부분이라 분포가 저 글자 종류로 갈리지 않습니다.
계산 근거
어휘 빈도 분석을 문자 단위로 확장한 것입니다. 각 글자의 상대빈도 = 해당 글자 수 ÷ 전체 글자 수(%)로 두고, 몰림 정도는 이 상대빈도로 만든 분포의 엔트로피 H = −Σ(p·log₂p)로 수치화합니다. 글자를 고르게 쓴 분포일수록 값이 크고, 한두 문자에 몰릴수록 0에 가까워집니다.
실제로 계산해 보면
'가나다라마바사아자차카타파하'를 넣으면?
14글자가 14종류라 각각 한 번씩만 쓰였습니다. 상대빈도는 100 ÷ 14 ≈ 7.1%로 전부 같고, 상위 10개를 뽑아도 큰 차이가 없습니다. 균등하게 쓰인 분포의 표식입니다.
100자 중 '이'가 14회라면?
상대빈도 14%입니다. 상위 10개 글자의 비중을 합해 보면 분포가 얼마나 쏠렸는지 한 번에 알 수 있습니다. 예컨대 상위 10개 합이 70%를 넘으면 나머지 90종류가 30%를 나눠 갖는 형태입니다.
엔트로피로는 어떻게 읽나요?
위 14글자는 14종류를 고르게 쓴 최대값으로 H = log₂14 ≈ 3.8비트입니다. 같은 길이에서도 100자 중 60자에 같은 글자가 몰렸다면 H는 3비트 아래로 내려갑니다. 값이 낮을수록 특정 단어에 쏠린 원고입니다.
더 궁금한 것
같은 단어의 반복도 찾을 수 있나요?
글자 단위라 '했다'가 여러 번 나와도 'ㅎㅏㅇㅆㅏ'가 흩어져 나옵니다. 단어 반복을 보려면 공백을 기준으로 자른 뒤 단어별 개수를 세어야 합니다.
비어 있거나 아주 짧은 글에서는요?
스무 자 안팎이면 한두 번 나온 글자가 대부분이라 프로파일이 무의미합니다. 수백 자 이상을 넣어야 분포가 저 글자 종류로 갈리고, 그때야 자주 쓴 글자와 쓰지 않은 글자의 차이가 드러납니다.
영어와 한글 중 어느 쪽이 더 몰려 보이나요?
영어는 종류가 26개 내외로 좁아 같은 분량에서도 상위 비중이 높게 나옵니다. 한글은 음절 조합이 훨씬 많아 글자 종류가 많아 상대적으로 분산돼 보입니다. 언어를 바꿀 때마다 분포가 달라져 오독하기 쉬우니 문서 성격과 함께 봐야 합니다.
알아둘 경계값
- 막대는 전체 비중이 아니라 1위 대비라 2위가 절반이어도 작아 보이니 숫자를 읽어요.
- 대소문자를 나눠 세어 A와 a가 따로 올라오니 미리 통일해요.
- 전각 공백도 공백으로 제외돼 집계에서 빠지니 감안해야 해요.
- 11위부터는 보이지 않고 글자 종류 수 합계도 안 나오니 나눠 돌려요.
- 결합 문자로 적은 글자는 낱개로 갈라져 따로 세어지니 미리 합쳐요.
- 동점자는 먼저 나온 순서대로라 입력 순서에 따라 순위가 달라지니 알아둬요.
결과를 믿기 전 확인 목록
- 막대 길이를 비율로 착각하지 말고 횟수 숫자를 읽어야 해요.
- 대소문자를 합쳐 보고 싶다면 미리 한 가지로 고쳐야 해요.
- 조사·어미까지 보려면 단어 단위 분석을 곁들여야 해요.
- 전각 공백이 섞였다면 제외되는 걸로 감안해야 해요.
- 10위 밖이 궁금하다면 본문을 나눠 여러 번 돌려야 해요.
- 두 글을 견줄 때는 글자 수를 비슷하게 맞춰야 해요.
- 자모 분해를 보려면 초성 추출 기능을 함께 써야 해요.
- 숫자·기호가 많다면 본문과 표를 분리해 돌려야 해요.
- 결과 숫자를 메모해 두 글의 상위권을 나란히 비교해야 해요.
자주 묻는 질문
공백도 세나요?
공백·줄바꿈은 제외하고 실제 글자만 집계합니다.
단어 빈도도 볼 수 있나요?
이 도구는 글자 단위이에요. 단어 빈도가 필요하면 중복 줄 제거 도구를 단어 단위로 응용하세요.