Extractor de N-Gramas

Una secuencia contigua de n elementos (palabras o caracteres). Unigramas = palabras sueltas, bigramas = pares, trigramas = tríos. Los n-gramas son fundamentales para el PLN y el modelado del lenguaje.

Los n-gramas de palabras son secuencias de palabras ("machine learning" es un bigrama de palabras). Los n-gramas de caracteres son secuencias de caracteres, especialmente útiles para la detección de idiomas y la coincidencia aproximada.

La relación tipo-token: el porcentaje de n-gramas únicos respecto al total. Más alto = mayor variedad léxica; más bajo = repetición. Una medida clásica en lingüística de corpus.

Sí, el Extractor de N-Gramas es 100% gratuito, sin registro, sin tarifas ocultas y sin límites de uso. Todo el procesamiento ocurre localmente en tu navegador, garantizando total privacidad.

Por supuesto. El Extractor de N-Gramas procesa todo del lado del cliente, en tu navegador. No se sube ni se almacena ningún dato en ningún servidor. Tu contenido permanece privado en tu dispositivo en todo momento.

Sí, el Extractor de N-Gramas es totalmente adaptable y funciona en smartphones y tablets. Puedes usarlo en cualquier dispositivo con un navegador web moderno, sin necesidad de descargar ninguna app.

No se necesita ninguna cuenta ni registro. Simplemente abre el Extractor de N-Gramas en tu navegador y empieza a usarlo de inmediato. No hay muros de registro ni restricciones de uso.

Sí, el Extractor de N-Gramas maneja textos de cualquier longitud con un procesamiento rápido y en tiempo real. Como todo se ejecuta en tu navegador, el rendimiento depende de tu dispositivo, pero funciona bien para la mayoría de los casos.

Simplemente introduce tu texto en el campo correspondiente, ajusta las opciones a tu preferencia y la herramienta lo procesará al instante. Luego puedes copiar el resultado al portapapeles o descargarlo.

El Extractor de N-Gramas funciona en todos los navegadores modernos, incluidos Chrome, Firefox, Safari, Edge y Opera. Para una mejor experiencia, usa la última versión de tu navegador preferido.

Las palabras vacías (stop words) son palabras funcionales comunes como "el", "de", "y" y "a" que aparecen constantemente pero aportan poco significado. Si las dejas, tus bigramas y trigramas principales se llenan de combinaciones como "de la" o "en el" que ahogan las frases que realmente te interesan. Al activar la opción de eliminar palabras vacías, estos tokens se descartan antes del recuento, de modo que secuencias con significado como "natural language processing" suben a lo más alto de la clasificación. Esto es especialmente útil para el análisis de palabras clave SEO y la detección de temas, donde buscas las frases sustantivas y no el pegamento gramatical. Para trabajo lingüístico o estilométrico puro puede convenirte conservar las palabras vacías, ya que su frecuencia es en sí misma una señal. Activa o desactiva la opción en esta herramienta y observa cómo se actualiza la clasificación al instante para comparar ambas vistas.

Los tres son n-gramas de palabras; el número solo define la longitud de la secuencia. Los unigramas son palabras individuales, así que su tabla de frecuencia es esencialmente un recuento de palabras que muestra qué términos dominan un texto. Los bigramas son pares de dos palabras como "machine learning" y empiezan a revelar frases y colocaciones en lugar de palabras aisladas. Los trigramas son secuencias de tres palabras como "natural language processing" y capturan expresiones recurrentes aún más específicas, aunque los recuentos bajan a medida que crece la longitud porque las coincidencias exactas más largas son más raras. En resumen: los n-gramas pequeños muestran vocabulario, los grandes muestran fraseo. Esta herramienta también admite cuadrigramas y 5-gramas para detectar frases largas repetidas o texto genérico (boilerplate). Cambia entre los tamaños del uno al cinco usando las pestañas y compara cómo varía la clasificación para elegir el nivel que mejor se adapte a tu análisis.

Por defecto, esta herramienta no permite que un n-grama cruce el límite de una oración, así que la última palabra de una oración nunca se combina con la primera palabra de la siguiente. Esto evita que palabras sin relación entre sí se unan en frases que en realidad nunca ocurren juntas, lo que mantiene precisos los recuentos de bigramas y trigramas para el análisis de frases. Cuando activas la opción de permitir n-gramas entre oraciones, las secuencias se cuentan de forma continua a lo largo de todo el texto, sin tener en cuenta los puntos, por lo que obtienes más n-gramas en total y algunos pares nuevos que conectan el final de una oración con el principio de otra. Usa la configuración predeterminada para un análisis limpio de frases y colocaciones, y activa el conteo entre oraciones cuando quieras estadísticas de secuencias en bruto sobre todo el documento, como en ciertos experimentos de modelado del lenguaje. Actívalo o desactívalo aquí y los totales y la clasificación se recalculan de inmediato para que veas el efecto.

Después de analizar tu texto, usa los botones de descarga para guardar los resultados completos en CSV o en JSON. El archivo CSV se abre directamente en Excel, Google Sheets o Numbers, con columnas para el n-grama, su recuento y su porcentaje, listo para ordenar, graficar o usar en tablas dinámicas. El archivo JSON está estructurado para código e incluye los n-gramas junto con cifras de resumen como el total, los únicos y la relación de diversidad, lo que facilita cargarlo en Python, R o un script de Node para un análisis más profundo. Aunque la tabla en pantalla se limita a 500 filas por motivos de rendimiento, los archivos exportados siempre contienen la lista completa de cada n-grama encontrado, así que no se pierde nada. También puedes copiar los resultados al portapapeles para pegarlos rápidamente. Procesa tu texto en esta herramienta y descarga el formato que mejor se adapte a tu flujo de trabajo.

Es preciso como contador de frecuencia literal: informa exactamente cuántas veces aparece cada palabra y frase, y qué porcentaje del total representa cada una, que es la base honesta de la densidad de palabras clave. La columna de porcentaje te indica si una frase objetivo aparece con la frecuencia suficiente para ser relevante, o con tanta frecuencia que se lee como keyword stuffing. Para resultados SEO fiables, activa la eliminación de puntuación y unifica mayúsculas y minúsculas para que variantes como "Apple" y "apple." se cuenten como un solo token, y considera eliminar las palabras vacías para hacer aflorar las frases temáticas reales. Recuerda que la frecuencia por sí sola no es un factor de posicionamiento; los motores de búsqueda modernos ponderan el contexto y la intención, así que trata estos recuentos como un diagnóstico, no como una cuota que cumplir. Pega aquí tu borrador o la página de un competidor, revisa las tablas de bigramas y trigramas, y ajusta tu redacción con confianza.