Eesti keele ühendkorpuse 2021 allkorpuste (veebikorpus 2021; Vikipeedia 2021; DOAJ; uudisvood 2014-2021) lemmade ja sõnavormide sagedusloendid

ENC 2021 DOI https://metashare.ut.ee/repository/browse/eesti-keele-uhendkorpus-2021/99bc4882a9ba11eca6e4fa163e9d454743ae7727c5b042a58bebd5b32d929a6a/

Korpus koosneb ajavahemikus 2019-2021 kogutud tekstidest ja kajastab seega kõige värskemat keelekasutust.
Enamasti ei saa siiski välistada, et mõni tekst on kirjutatud varem.

Korpuse maht:
- 944 907 713 sõnet
-   7 756 705 erinevat lemmat
-     857 784 lemmat üle sageduspiiri (ipm* 0,011, mis vastab ENC 2021 puhul sagedusele 10 või rohkem).

Lemmad on töötlemata, mis tähendab, et:
- suur- ja väiketähelised kujud on ühendamata
- sagedused näitavad üksiksõna kasutust (ühendverbe, nimisõnafraase jm näidatakse osiste kaupa)
- esineda võib võõrkeelseid sõnesid
- sõnaliiki pole arvestatud ('hall' A ja 'hall' S on koos)**.


* ipm (instances per million) näitab lemma või sõne puhul promille ehk keskmist esinemist miljoni kohta.

** Eesti keele jaoks pole 'lempos' ehk lemma+sõnaliik oluline, sest sõnaliike eristab juba väliskuju ning
'hall' näitel jääks homonüümne hall+S (hallaöö, spordihall) ikkagi üheks lemmaks.