WikiWoordenboek:Woordfrequentie in het Nederlands

Deze projectpagina beschrijft bevindingen van verkennend onderzoek of het mogelijk is op basis van open bronnen tot een goede lijst van woordfrequenties in het Nederlands te komen. Deze pagina geeft vooral de resultaten van de verkenning. Opvattingen en discussie over wat wenselijk is en verdere suggesties zijn welkom op de Overlegpagina.

Inleiding

Niet alle woorden uit een taal worden even vaak gebruikt. Voor iemand die een taal leert is het handig om te weten wat de meest gebruikte woorden zijn. Zo bleek bij een groot onderzoek naar Nederlandse teksten dat de 8 woorden ik, je, het, de, dat, is, niet en een samen 20 % van alle gesproken tekst uitmaken en dat 61 woorden samen goed waren voor de helft van alle gebruikte woorden. Enkele andere gegevens zijn samengevat in onderstaande tabel.

meestgebruikte woorden	gezamenlijk aandeel
8	20 %
61	50 %
1.000	82 %
2.000	87 %
3.000	90 %

Toepassingsmogelijkheiden

Als je begrijpelijk wil schrijven helpt het ook om woorden te kiezen die veel worden gebruikt. Ook bij het verder ontwikkelen van een woordenboek is het handig om te weten wat meer- en mindergebruikte woorden zijn. Zo is de lijst van Open Subtitles al gebruikt om WikiWoordenboek aan te vullen. Het kan ook handig zijn om prioriteiten te stellen bij andere verbeteringen aan het woordenboek. Als de uitkomst voldoende degelijk is, zouden we de informatie ook op de Nederlandse lemma's kunnen weergeven, net zoals we dat voor enkele andere talen al doen.

Bestaand onderzoek

Onderzoek naar woordfrequentie dient om een indruk te krijgen hoe veel of weinig een woord gebruikt wordt. Voor dit onderzoek wordt een groot aantal teksten verzameld en opgedeeld in losse woorden die vervolgens worden geturfd. Uiteraard hangt het resultaat ook af van de teksten die zijn meegenomen. Uit welke periodes komen de teksten, uit welke delen van het taalgebied, ging het om geschreven of gesproken tekst, voor welk publiek waren ze bedoeld en waar gingen ze over: het heeft allemaal invloed op het resultaat. Zo vind je begrippen uit de landbouw en de zeilvaart veel meer in oude teksten, en zijn termen die met internet te maken hebben meer iets van de 21e eeuw. In Nederlandse teksten lees je vaker vacaturestop en in Belgische aanwervingsstop. Ik en jij komen in geschreven taal veel minder vaak voor dan in gesproken taal. De gemelde frequenties van woorden hebben dus nooit een algemene geldigheid. Hun waarde wordt beïnvloed door de mate waarin de herkomst van de gebruikte teksten overeenkomt met het doel waarvoor je de frequenties wil gebruiken. Voor "algemeen" gebruik helpt het als de verscheidenheid van teksten groot is. Daarnaast helpt het erg als het aantal getelde woorden groot is. In 1975 waren enkele honderdduizenden woorden al goed voor een wetenschappelijke publicatie, tegenwoordig gaat het om tientallen miljoenen woorden.

Woordfrequenties uit open bronnen

Het ligt voor de hand dat woordfrequentie nuttige informatie in een woordenboek kan zijn. Helaas zijn de resultaten van wetenschappelijk onderzoek naar het Nederlands niet onder een voldoende vrije licentie beschikbaar om in WikiWoordenboek te gebruiken. Maar er zijn van Open Taal en Open Subtitles wel bestanden met frequenties beschikbaar. Doel van deze projectpagina is om na te gaan of hieruit voor WikiWoordenboek bruikbare woordfrequenties zijn af te leiden.

Kenmerken van beide bestanden

• Beide bestanden bevatten "tokens": de stukjes tekst die je overhoudt als je uitzeeft wat er tussen spaties en andere woordscheidingstekens staat. In WikiWoordenboektermen zijn dat meestal de woordvormen waar wij een pagina voor maken en dat sluit dus aardig aan. Maar je kunt bij "zijn" niet zien hoe vaak het als werkwoord en hoe vaak het bezittelijk voornaamwoord werd gebruikt.
• Beide bestanden komen ongeveer uit dezelfde periode, zo rond 2010.
• Beide bestanden bevatten woorden die geen correct Nederlands zijn: spel- en scanfouten en woorden uit andere talen.

Kenmerken van Open Subtitles

• Dit zijn twee bestanden, 2011 en 2012 die een forse overlap vertonen, er zijn woorden bijgekomen en verdwenen, maar over het geheel genomen bevat 2012 iets meer woorden en wat hogere totalen per woord. Bij een beperkt aantal woorden is er een relatief groot verschil tussen beide jaren: dit lijken correcties.
• Hoofdletters, punten en apostrofs ontbreken.
• Diacritische tekens worden weergegeven, maar ook tekens die in het Nederlands niet voorkomen.
• Er staan nogal wat namen en spreektaalwoorden in die Engelstalig zijn.
• Bevat meer spreektaal.

Kenmerken van Open Taal

• Dit bestand is veel groter: het bevat een ordegrootte meer woorden en hogere aantallen.
• Diacritische tekens ontbreken.
• Er zijn ook woorden met hoofdletters en punten erin.
• Er staan nogal wat woorden uit vreemde talen en urls in.
• Bevat meer schrijftaal.

Aanpak

Een bruikbare lijst vereist allereerst het uitziften van de correct gespelde Nederlandse woorden. Kwestie van alle vormen vergelijken met het Groene Boekje. Om te beginnen is er een lijst gemaakt met de woorden die in een identieke schrijfwijze zowel in de lijst van Open Taal als in een lijst met ondertitels voorkomen, zodat één keer nagaan voor beide lijsten genoeg is. Dit zijn een kleine 200.000 woorden, dus deze klus gaat wel even duren.

Kwesties

Kwaliteit van de bestanden

Enige verkenning met de meest frequente woorden levert de volgende kwesties op:

1. Woorden die toch wel in het woordenboek en in de telling horen
   1. ouderwetse verbogen vormen van woorden die het Groene Boekje alleen in vaste verbindingen vermeld
   2. verbogen vormen die het Groene Boekje niet vermeldt
2. Woorden die na een correctie en met corresponderende aanpassing van de telling wel in WikiWoordenboek horen
   1. afkortingen zonder punt
   2. woorden die ten onrechte aaneengeschreven zijn
   3. afleidingen van namen zonder hoofdletter
   4. overige fout gespelde woorden
   5. goed herkenbare scanfouten
3. Woorden die misschien wel in WikiWoordenboek horen, maar in eigenlijk niet in de telling voor het Nederlands
   1. woorden uit vreemde talen
   2. voornamen (vaak Engels)
   3. plaatsnamen
   4. html-codes, die kennelijk in de tekst zijn beland
4. Woorden die niet in WikiWoordenboek horen en eigenlijk buiten de telling horen te blijven
   1. url's
   2. achternamen (vaak Engels)

Het lastige bij het ziften is dat er ook correct gespelde woorden zijn, die heel veel voorkomen omdat ze niet zijn te onderscheiden van één van de hiervoor genoemde fouten. De verkeerd gespelde naam "Ben" laat zich niet meer onderscheiden van de werkwoordsvorm "ben". En "mr" is zonder punt een correcte afkorting van medezeggenschapsraad, met punt een academische titel maar het is plausibel dat het in ondertitels veel vaker gaat om het Engelse "mister".

Welk bestand als uitgangspunt nemen?

De verschillen tussen de bestanden (Open Subtitles versus Open Taal en Open Subtitles onderling) leidden tot enig onderzoek of een combinatie van deze gegevens tot een voor WikiWoordenboek optimaal resultaat zou kunnen leiden: beide bestanden hebben immers hun sterke kanten. Als we deze bestanden vergelijken met bestanden waarin voor tienduizenden woorden is onderzocht hoeveel Belgen en Nederlanders ze (her-)kennen is er een opvallende conclusie: de correlatie met het bestand van Open Taal is duidelijk groter dan die van de beide bestanden uit Open Subtitles en het lukt niet een combinatie van gegevens uit beide bronnen te maken die nog beter correleert: op het niveau van afzonderlijke woorden kun je gemakkelijk zien wat de vreemde uitschieters omhoog en omlaag zijn, maar met welke weegfactoren je de bestanden in hun geheel ook combineert, het leidt niet tot een betere score dan Open Taal op zichzelf al oplevert. Tegenover de woorden waar Open Subtitles vooral de spreektaal beter weerspiegelt, staan ook woorden die vrijwel ontbreken of juist heel veel voorkomen omdat ondertitels natuurlijk niet echt een doorsnee van het normale taalgebruik vormen. Dit leidt tot de slotsom dat het voor de frequentiegegevens beter is om het bestand van Open Taal als basis te nemen. De gegevens uit Open Subtitles kunnen dan daarnaast worden vermeld, omdat overeenkomst of verschil wel degelijk informatief is. Naast het feit dat Open Taal beter correleert met de waargenomen bekendheid van woorden is een ander voordeel dat dit bestand veel meer verschillende woorden omvat en dus vaker uitsluitsel geeft.

Welke maatstaf voor frequenties gebruiken?

Je kunt de frequentie van woorden op verschillende manieren weergeven.

1. Het absolute aantal keren dat een woord in de onderzochte teksten voorkwam, de absolute frequentie. Voordeel: dit is een feitelijk gegeven dat weinig uitleg behoeft. Nadeel: de getallen kunnen bij een groot bestand als Open Taal heel ver uit elkaar liggen en zijn dan cijfermatig moeilijk te interpreteren. Bovendien zijn de resultaten uit verschillende onderzoeken dan lastig te vergelijken.
2. Het aantal keren dat een woord voorkomt gedeeld door het totale aantal woorden uit de teksten voorkwam, de relatieve frequentie. De vergelijking tussen bestanden wordt dan eenvoudiger, maar de waarden zijn nu merendeels zeer kleine getallen tussen 0 en 1 die nog steeds moeilijk te interpreteren zijn.
3. Onderzoekers aan de Universiteit van Gent die woordfrequenties in verschillende talen onderzoeken, hebben als oplossing de Zipf voorgesteld (genoemd naar een beroemde onderzoeker van woordfrequenties): vermenigvuldig de relatieve frequentie met een miljard en neem daar de log10 van. Dit levert theoretisch per definitie een waarde tussen 0 en 9 en in de praktijk scores tussen 1 en 8 op.
4. De relatieve frequentie kan ook ten opzichte van het meest frequente woord worden berekend. Belangrijk bezwaar is dat niet elk onderzoek voor dezelfde taal op hetzelfde meest frequente woord blijkt uit te komen: bij Open Taal is het "de", bij Open Subtitles "ik".
5. Een andere benadering is om de woorden in volgorde van hun frequentie te zetten en te vermelden het hoeveelste woord het in die rangorde is. Dit werkt aardig bij de top van de lijst, maar naarmate de lijst langer wordt zijn er steeds meer woorden met een gelijke frequentie.

Alles afwegend lijkt voor dit project de Zipf het meest geschikt.

Tussenresultaat

Hieronder als eerste indruk een lijstje met de 1000 meest frequente woorden. Hierbij zijn bij een eerste benadering de frequenties zo gewogen dat Open Taal en Open Subtitles even veel effect hebben, en binnen Open Subtitles zo dat 2012 drie keer meer effect heeft dan 2011. Voor een definitieve lijst zou het aardig zijn om na te gaan welke wegingsfactoren een resultaat opleveren dat het meest consistent is met grotere onderzoeken. Het getal tussen haakjes geeft aan dat een woordvorm volgens het Groene Boekje bij meerdere woorden hoort.

1. de
2. het (2)
3. ik
4. je (2)
5. van (2)
6. een (3)
7. is
8. dat (3)
9. en
10. in (2)
11. niet (6)
12. op
13. te
14. zijn (2)
15. voor (4)
16. met (2)
17. wat (4)
18. die (2)
19. we
20. er
21. maar (4)
22. ze
23. hij
24. als
25. aan (2)
26. om (2)
27. heb (2)
28. me (2)
29. dan (3)
30. naar (3)
31. dit
32. was (6)
33. ook
34. ben (2)
35. nog
36. kan (2)
37. u (2) ook: U
38. heeft (2)
39. of
40. mijn (3)
41. geen
42. wel (4)
43. hebben
44. bij (3)
45. hier
46. zo (4)
47. over (3)
48. moet (3)
49. uit (2)
50. worden
51. jij (2)
52. weet (3)
53. goed (2)
54. wil (2)
55. door (2)
56. deze
57. nu (3)
58. ja
59. hem (2)
60. waar (5)
61. meer (4)
62. al (4)
63. gaan
64. wordt
65. zal
66. hoe
67. haar (5)
68. nee
69. zou
70. doen (2)
71. kunnen (2)
72. tot (2)
73. mij (2)
74. daar (2)
75. ga
76. gaat
77. ons (4)
78. kom (2)
79. bent (2)
80. moeten (2)
81. had
82. iets
83. jullie (2)
84. hebt
85. laat (3)
86. waarom
87. dus (2)
88. alleen
89. jaar
90. eens
91. toch
92. veel (4)
93. zich
94. zien
95. alles
96. wie (2)
97. weg (3)
98. echt (3)
99. hun
100. doe
101. komt
102. weer (7)
103. denk
104. mensen
105. mee (2)
106. komen
107. jou (2)
108. man (2)
109. wij
110. laten (2)
111. andere (2)
112. maken
113. twee (2)
114. tegen (2)
115. terug
116. nooit
117. even
118. m (2) ook: 'm
119. onze
120. tijd
121. nou (2)
122. niets (2)
123. zij (3)
124. heel (2)
125. n ook: 'n
126. werd
127. omdat
128. zei
129. nodig (2)
130. af
131. leven (2)
132. misschien
133. zoals
134. zeggen (2)
135. uw
136. iemand
137. onder
138. alle
139. eerste (2)
140. altijd
141. na (3)
142. hou
143. toen (2)
144. gewoon
145. mag
146. staat (2)
147. weten (2)
148. net (3)
149. zit (2)
150. nieuwe (2)
151. dag (5)
152. kijk (2)
153. zullen
154. binnen (2)
155. zeg (3)
156. zeker (2)
157. willen
158. zie
159. gedaan (2)
160. waren (4)
161. keer (2)
162. grote (2)
163. allemaal (2)
164. kunt
165. t ook: 't
166. doet
167. dood (3)
168. toe (3)
169. geld (2)
170. huis (2)
171. erg (2)
172. werk (2)
173. anders
174. beter (3)
175. uur
176. drie (2)
177. geef
178. vrouw
179. wacht (3)
180. zitten
181. vinden
182. zelf
183. elkaar
184. steeds (2)
185. geven
186. iedereen
187. zegt
188. eigen (2)
189. krijgen
190. vind
191. vader (2)
192. dank (2)
193. tussen
194. zonder (2)
195. hele
196. oh
197. vraag (2)
198. kon
199. jouw (3)
200. gezien (3)
201. goede (2)
202. maakt
203. kinderen
204. houden
205. dacht
206. blijven
207. natuurlijk
208. staan
209. mr
210. god
211. wilt
212. laatste (3)
213. niemand
214. want (5)
215. vragen (2)
216. niks (2)
217. lang (2)
218. wilde (3)
219. helemaal
220. genoeg (3)
221. aantal
222. snel (3)
223. vast (2)
224. ziet
225. moeder (2)
226. nemen
227. plaats (2)
228. geweest
229. maak
230. graag
231. bedankt
232. neem
233. kwam
234. mooi
235. ging
236. spijt (4)
237. leuk
238. per
239. s ook: 's, S
240. gemaakt (2)
241. verder (2)
242. mogelijk
243. praten
244. z ook: Z
245. wanneer (2)
246. achter (2)
247. hallo
248. naam
249. klaar (2)
250. hand (2)
251. kijken
252. dingen (2)
253. zelfs
254. beetje (2)
255. lijkt (2)
256. wereld
257. helpen
258. samen
259. meneer (2)
260. bedoel
261. moest (2)
262. wist (3)
263. hadden
264. paar (3)
265. auto
266. ten
267. zouden
268. werken (2)
269. vriend
270. eerst
271. volgende (2)
272. geeft
273. blijf
274. enige (2)
275. buiten (4)
276. gek (3)
277. heer (3)
278. vandaag
279. volgens
280. luister (2)
281. jaren
282. sorry
283. ooit
284. welke (2)
285. kleine (2)
286. zorgen (2)
287. alsjeblieft
288. eten (2)
289. hen (2)
290. moment
291. verdomme
292. idee
293. beste (2)
294. hoor (2)
295. gezegd (2)
296. groot (2)
297. vindt
298. jongen (3)
299. manier
300. deel (3)
301. land (2)
302. bijna
303. zag
304. denken
305. a ook: à, A
306. elke
307. vertellen
308. probleem
309. krijgt
310. deed
311. kun
312. dagen (2)
313. onderzoek (2)
314. artikel
315. bang (2)
316. jongens
317. geleden (2)
318. blijft
319. geval
320. tweede (2)
321. week (6)
322. open (2)
323. politie
324. ligt
325. zeer (3)
326. eigenlijk
327. pas (4)
328. echter (2)
329. heen
330. thuis (2)
331. mannen (2)
332. o (2) ook: O
333. men (2)
334. orde (2)
335. halen (3)
336. morgen (3)
337. minder (3)
338. gebeurd (2)
339. hoop (3)
340. soms
341. houdt
342. vier (3)
343. brengen
344. via
345. kind
346. school (3)
347. vijf (2)
348. gebruik (2)
349. gelijk (3)
350. later (2)
351. stad
352. geloof (2)
353. kant (4)
354. oude (2)
355. horen (4)
356. geweldig
357. daarom
358. meisje (2)
359. problemen
360. vaak (2)
361. gebeurt
362. ie
363. water (2)
364. tijdens
365. werden
366. enkele (2)
367. minister
368. rustig
369. duidelijk
370. denkt
371. spelen (2)
372. vooral
373. ken
374. informatie
375. juist
376. hoofd
377. zoon
378. krijg (2)
379. precies
380. gevonden
381. wachten (3)
382. gehad
383. boven (2)
384. ander (2)
385. soort
386. kans
387. miljoen (2)
388. stop (4)
389. best (5)
390. zaken
391. eerder
392. ter
393. betekent
394. vrouwen (2)
395. rond (4)
396. werkt
397. zorg (2)
398. vroeg (2)
399. zodat
400. familie
401. vrienden
402. ogen (2)
403. zet (2)
404. vertel
405. zoveel
406. lid
407. zat (4)
408. plan (3)
409. minuten
410. vond (2)
411. vrij (3)
412. gegeven (3)
413. maanden (2)
414. mooie
415. begrijp
416. terwijl
417. stellen (2)
418. gebruiken (2)
419. vanaf (2)
420. alsof
421. lopen (2)
422. begin (2)
423. pak (3)
424. zoek (2)
425. mogen
426. wou
427. zaak
428. zoeken
429. procent
430. recht (3)
431. lekker
432. heet (2)
433. sinds (2)
434. slecht (2)
435. waarin
436. vanavond
437. ervan
438. spreken
439. belangrijk
440. ding (2)
441. gehoord (2)
442. blij
443. euro
444. handen (2)
445. voel
446. hoeveel (2)
447. liggen
448. dollar
449. gebruikt (2)
450. druk (3)
451. bijvoorbeeld
452. probeer
453. tien (2)
454. word
455. eruit
456. verhaal (2)
457. der (0)
458. ouders
459. gekomen
460. klein
461. hulp
462. weinig (3)
463. echte
464. help (2)
465. grond (2)
466. haal (3)
467. moeilijk
468. beginnen
469. proberen
470. zetten (2)
471. basis
472. reden (5)
473. deur
474. zin (3)
475. kent
476. jezelf
477. bezig (2)
478. mevrouw (2)
479. leren (5)
480. kamer
481. vermoord (2)
482. geloven (2)
483. dezelfde
484. bel (2)
485. schiet
486. ergens
487. pijn (3)
488. zes (2)
489. slechts (2)
490. kreeg
491. stuk (3)
492. gebied (2)
493. meteen
494. neemt
495. nieuw
496. leden (2)
497. groep (2)
498. vol (2)
499. bestaat
500. betreft
501. nummer (2)
502. belang (2)
503. weken (3)
504. prima (2)
505. direct
506. vallen (4)
507. punt (4)
508. valt
509. langs (3)
510. bekend (2)
511. kosten (2)
512. hetzelfde
513. elk
514. gebeuren (2)
515. extra (2)
516. vanuit
517. hoeft
518. vergeten
519. broer
520. boek (2)
521. vooruit (2)
522. regering
523. gemeente
524. wees (3)
525. voordat
526. pakken (2)
527. schat (2)
528. afgelopen (2)
529. los (3)
530. film (2)
531. waarschijnlijk
532. geworden (2)
533. genomen (2)
534. ver
535. oud
536. aandacht
537. gaf
538. blijkt
539. wet (2)
540. stond (2)
541. nacht
542. derde (5)
543. daarmee
544. nieuws (2)
545. bedrijf (2)
546. foto
547. anderen
548. kop (2)
549. betalen
550. hart
551. stoppen (2)
552. enkel (3)
553. sta
554. licht (3)
555. rol (2)
556. bed
557. breng
558. antwoord (2)
559. voorbij (3)
560. rest (2)
561. gelukkig
562. praat (2)
563. ongeveer
564. liefde
565. verteld
566. plek (2)
567. woord (2)
568. situatie
569. meest (2)
570. opnieuw
571. mis (3)
572. dochter
573. papa
574. ieder
575. neer (2)
576. alstublieft
577. klootzak
578. dicht (3)
579. kennen
580. erop
581. doden (2)
582. klopt
583. beneden
584. einde
585. inderdaad
586. landen (3)
587. dokter (2)
588. avond
589. hard (2)
590. oorlog
591. toekomst
592. zult (2)
593. grootste (2)
594. waarbij
595. bellen (2)
596. rust (2)
597. maakte
598. verwacht (2)
599. waarop
600. gezicht (2)
601. stel (2)
602. wakker (2)
603. liet
604. mama
605. slapen (2)
606. daarna
607. zichzelf
608. mening
609. meeste
610. bedrijven (2)
611. ruimte
612. mens (2)
613. rijden
614. buurt (3)
615. gevraagd (2)
616. doel (2)
617. bepaalde (2)
618. zoiets
619. acht (3)
620. betrokken (2)
621. loopt
622. hoort
623. sterk (2)
624. gevallen (3)
625. sprake (0)
626. drinken
627. beleid
628. beide
629. begrepen
630. huidige
631. brief (2)
632. hoi
633. e ook: E
634. wijze (3)
635. ervoor
636. team
637. overheid
638. naast (4)
639. geldt
640. baan (2)
641. lange
642. woorden (2)
643. daarvan
644. eraan
645. veilig
646. snap (2)
647. belangrijke
648. overal (2)
649. baby
650. maand
651. mond (2)
652. vergeet
653. gesteld (2)
654. opgenomen
655. begint
656. lezen
657. langer
658. noemen
659. gisteren
660. rekening
661. vorm (2)
662. fout (2)
663. president
664. d ook: d
665. gegevens (2)
666. stelt (2)
667. hond
668. vraagt
669. eind (2)
670. straks (2)
671. kennis (2)
672. zowel
673. sir
674. muziek
675. heren (2)
676. waarheid
677. stap (2)
678. dient
679. baas (2)
680. voelt
681. gevoel (2)
682. vertrouwen (2)
683. contact (2)
684. volledig
685. welkom (3)
686. januari
687. regels
688. stil (2)
689. gehouden (2)
690. geluk (2)
691. aardig
692. programma
693. daarbij
694. dienst
695. vorige
696. gebracht (2)
697. volgen
698. hoorde
699. ok (0) wel: oké
700. fijn
701. dr (0) wel: d'r; dr.
702. gegaan
703. la (2)
704. schuld
705. jack
706. eerlijk
707. he
708. prijs (4)
709. periode
710. project
711. half
712. telefoon
713. kopen (2)
714. lichaam
715. liever (2)
716. bloed (3)
717. agent
718. kwamen
719. systeem
720. namelijk
721. vermoorden
722. persoon
723. gang
724. sterven
725. meter (2)
726. vriendin
727. sommige
728. maatregelen
729. waarvan
730. gemeenten
731. kracht
732. ermee
733. veranderen
734. prachtig
735. gekregen
736. ontwikkeling
737. verloren (2)
738. vandaan
739. leiden
740. redden
741. klinkt
742. vele
743. daarvoor
744. raad (2)
745. onderwijs (2)
746. bestaan (2)
747. termijn
748. gesproken (2)
749. mezelf (2)
750. hoog (2)
751. voorstellen (2)
752. geboren
753. feit
754. beeld
755. organisatie
756. kader (2)
757. voldoende (3)
758. brengt
759. totaal (2)
760. vent (2)
761. schrijven (2)
762. begon
763. betrekking
764. voorzitter
765. lucht (2)
766. spel (3)
767. meisjes
768. erin
769. zeven (4)
770. loop (2)
771. hoge
772. keuze
773. nam
774. verband
775. succes
776. juiste
777. helft
778. speelt
779. niveau
780. hield
781. iedere
782. nogal
783. controle
784. mam
785. l (2) ook: L
786. uiteindelijk
787. kabinet
788. waardoor
789. schatje
790. wonen
791. april (2)
792. kwijt (2)
793. slechte
794. kwaliteit
795. jonge (2)
796. vanwege
797. ene (0)
798. markt (2)
799. leggen (2)
800. voorzichtig
801. maart (2)
802. houd
803. kerel
804. voelen
805. voorkomen (3)
806. toepassing
807. gingen
808. dames
809. besluit (2)
810. normaal (2)
811. sociale
812. winnen
813. kapitein
814. bepaald (2)
815. haat (2)
816. nergens
817. hoger
818. hoogte
819. relatie
820. mei
821. plezier (2)
822. kwaad (2)
823. richting (2)
824. straat
825. mogelijkheid
826. geheel (2)
827. pa
828. trekken (2)
829. les (2)
830. wedstrijd
831. ziekenhuis
832. eindelijk
833. positie
834. bank (2)
835. begonnen
836. plaatsen (2)
837. oog (2)
838. onderdeel
839. vroeger (2)
840. voorstel (2)
841. bedoeld
842. gevolg
843. delen (3)
844. juni
845. activiteiten
846. kort (3)
847. vertelde
848. nadat
849. samenwerking
850. mogelijkheden
851. koning
852. partijen
853. december
854. shit
855. koffie
856. krant
857. dragen
858. trouwens
859. uitvoering
860. overleg (3)
861. omhoog
862. september
863. waarmee
864. aarde (2)
865. vormen (2)
866. ontmoeten
867. advies
868. ontvangen (2)
869. punten (4)
870. resultaten
871. vechten
872. name (0)
873. des
874. voeren (3)
875. i ook: I
876. schieten
877. moesten
878. plannen (3)
879. ontmoet
880. ziek (2)
881. algemeen
882. kaart (2)
883. trouwen (2)
884. erbij
885. waard (4)
886. bestuur (2)
887. ruim (3)
888. politieke
889. komende
890. kerk (2)
891. volgt
892. begrijpen
893. links (3)
894. lieverd
895. genoemd (2)
896. mocht
897. wapen (3)
898. grappig
899. gekozen
900. partij
901. korte
902. serieus
903. lijn (2)
904. verlaten (4)
905. reeds
906. algemene
907. bieden
908. kiezen (2)
909. zover
910. zomaar
911. leger (3)
912. vreemd
913. beschikbaar
914. groter
915. immers
916. miss
917. risico
918. b ook: B
919. reactie
920. verkeerd (2)
921. terecht
922. zwarte (2)
923. sturen (2)
924. start (2)
925. rapport
926. welk (3)
927. rechter (3)
928. betaald
929. oktober
930. makkelijk
931. bereiken
932. leuke
933. belangrijkste
934. naartoe
935. bijzonder
936. gezet (2)
937. trots (3)
938. verleden (3)
939. discussie
940. indien (2)
941. aanwezig
942. vervolgens
943. lijst (2)
944. verliezen (2)
945. waarde (3)
946. vuur (2)
947. stand (2)
948. eet
949. zwaar
950. vorig
951. val (5)
952. verkopen (2)
953. kantoor
954. perfect
955. idioot (2)
956. aldus
957. trek (2)
958. dienen
959. leeft
960. commissie
961. kijkt
962. ziens (0)
963. lijken (3)
964. veranderd
965. fantastisch
966. gewerkt
967. verdomde (2)
968. juli
969. macht
970. tenminste
971. den
972. middelen (2)
973. website
974. regeling
975. stuur (2)
976. onzin
977. geschreven (2)
978. hotel
979. politiek (2)
980. gevaar
981. behalve (2)
982. veiligheid
983. goeie
984. personen
985. getrouwd (2)
986. bestaande
987. pap (2)
988. probeert
989. oplossing
990. voorzien (2)
991. wapens (2)
992. zus (2)
993. kost (2)
994. november
995. meestal
996. slaan
997. biedt
998. diverse
999. schip
1000. uitgevoerd (2)

Woorden uit vreemde talen

Er blijken zowel bij Open Taal als bij de Open Subtitles heel wat woorden uit vreemde talen in de lijst te zitten die niet (ook) in het Groene Boekje staan. Ik zal hieronder een paar lijsten met de meest voorkomende (frequentie boven de 2 per miljoen) geven. De lijsten worden nog steeds langer, maar dit zijn wel de meest voorkomende woorden die erop staan. Wat mij betreft zijn dit woorden die we gewoon als woorden uit de betreffende taal opnemen. Het lijkt me niet nodig om het totale aantal woorden (en dus de frequenties) te corrigeren: Je komt in Nederlandse teksten nu eenmaal wel eens buitenlandse woorden tegen. Bovendien is zo'n correctie niet mogelijk bij buitenlandse woorden die hetzelfde worden geschreven als Nederlandse woorden die wel in het Groene Boekje staat. Zo is bijvoorbeeld het Franse la niet meer te onderscheiden van het Nederlandse la, we kennen alleen het totale aantal keren dat la voorkomt.Het effect van een correctie zou overigens ook marginaal zijn. Het gaat om Engels, Frans, Duits en Italiaans, waarbij er tussen Engels en Frans overlap is. Soms is een kleine aanpassing in de schrijfwijze nodig, aangegeven met ->. Omdat mijn talenkennis beperkt is, leek het me in ieder geval nuttig deze lijsten voor commentaar aan te bieden. --MarcoSwart (overleg) 19 mei 2016 00:32 (CEST)

Engels

1. able
2. about
3. above
4. access
5. action ook Frans
6. activities
7. addition
8. administration ook Frans
9. after
10. against
11. again
12. age
13. ago
14. agreement
15. all
16. already
17. also
18. always
19. am
20. american -> American
21. among
22. an
23. analysis
24. and
25. animal
26. another
27. any
28. application
29. areas
30. area
31. around
32. article
33. ash
34. ass
35. atlantic -> Atlantic
36. authorities
37. available
38. average
39. away
40. aye
41. banks
42. based
43. bay
44. beach
45. because
46. become
47. before
48. being
49. bell
50. better
51. between
52. be
53. bird
54. bishop
55. black
56. blood
57. blue
58. bluray -> Blu-ray
59. book
60. boo
61. boss
62. both
63. brooks
64. brothers
65. brother
66. brown
67. buck
68. buffalo
69. bull
70. butch
71. but
72. buzz
73. by
74. cadillac -> Cadillac
75. california -> California
76. call
77. can
78. capacity
79. capital
80. card
81. care
82. car ook Frans
83. castle
84. cat
85. cause ook Frans
86. central ook Frans
87. certain
88. champ ook Frans
89. changes
90. change
91. chase
92. chicken
93. chief
94. children
95. child
96. chinatown -> Chinatown
97. civil ook Frans
98. class
99. come
100. coming
101. commander
102. comments
103. comment
104. common
105. companies
106. company
107. conditions
108. control
109. cooperation
110. copy
111. core
112. costs
113. cost
114. could
115. countries
116. course
117. court
118. crane
119. creek
120. crime
121. crystal
122. ctu -> CTU
123. current
124. cut
125. daddy
126. daily
127. dark
128. dawn
129. days
130. day
131. dead
132. death
133. dea -> DEA
134. decision
135. deep
136. deg
137. diamond
138. did
139. director
140. dodge ook: Dodge
141. done
142. doo
143. double
144. dude
145. due
146. duke
147. during
148. dutch ook: Dutch
149. each
150. eagle
151. early
152. east
153. easy
154. economic
155. economy
156. education
157. effects
158. energy
159. enterprise
160. ers -> ERS
161. every
162. example
163. experience
164. eyes
165. eye
166. face
167. fact
168. faith
169. falls
170. family
171. far
172. fast
173. fearless
174. feel
175. few
176. fields
177. final
178. finch
179. find
180. fire
181. first
182. fish
183. five
184. following
185. football
186. force
187. for
188. found
189. four
190. freedom
191. free
192. from
193. frost
194. fucking
195. fuller
196. full
197. further
198. fu
199. general ook Frans
200. get
201. ginger
202. girl
203. given
204. give
205. global
206. going
207. gonna
208. good
209. got
210. governance
211. government
212. grand
213. gray
214. great
215. grey
216. groups
217. group
218. growth
219. halloween -> Halloween
220. has
221. hawk
222. head
223. health
224. heart
225. hell
226. herb
227. here
228. hey
229. higher
230. hills
231. hill
232. him
233. history
234. hi
235. holy
236. honey
237. hood
238. hoo
239. hours
240. however
241. how
242. human
243. hung
244. if
245. implementation
246. include
247. including
248. income
249. increased
250. increase
251. industry
252. information ook Frans
253. institutions ook Frans
254. into
255. island
256. it's
257. its
258. it
259. jedi -> Jedi
260. joy
261. june -> June
262. justice
263. just
264. key
265. knight
266. knowledge
267. know
268. kung
269. lake
270. lane
271. law
272. least
273. left
274. legal ook Frans
275. less
276. life
277. line
278. ling
279. little
280. ll-> 'll
281. locale ook Frans
282. london -> London
283. loss
284. love
285. lower
286. low
287. lucky
288. lung
289. mac
290. magic
291. main
292. make
293. many
294. may
295. means
296. mean
297. measures
298. members
299. member
300. message
301. might
302. miles
303. million
304. mind
305. mission ook Frans
306. mister
307. months
308. mountain
309. mount
310. mouse
311. mrs -> Mrs
312. much
313. music
314. my
315. nasa
316. national ook Frans
317. nature
318. necessary
319. needs
320. need
321. netherlands -> Netherlands
322. network
323. never
324. news
325. new
326. next
327. night
328. north
329. not
330. now
331. no
332. number
333. off
334. often
335. oil
336. okay
337. old
338. olive
339. one
340. only
341. on ook Frans
342. opinion ook Frans
343. orange
344. other
345. our
346. own
347. ow
348. oz
349. pacific -> Pacific
350. pain
351. palace
352. particular
353. parties
354. patients
355. pay
356. peace
357. pearl
358. people
359. period
360. personal
361. personnel ook Frans
362. person
363. phantom
364. place
365. play
366. points
367. point
368. police
369. political
370. population
371. position ook Frans
372. possible
373. posted
374. powers
375. practices
376. practice
377. price
378. prince
379. problems
380. problem
381. process
382. production
383. products
384. programme ook Frans
385. progress
386. projects
387. protection
388. provided
389. provide
390. public
391. published
392. quality
393. queen
394. questions ook Frans
395. question
396. quick
397. rabbit
398. rate
399. really
400. real
401. related
402. relations ook Frans
403. required
404. requirements
405. results
406. result
407. rich
408. rights
409. right
410. river
411. road
412. role
413. roll
414. royal ook Frans
415. rules
416. rusty
417. safety
418. said
419. saint ook Frans
420. salt
421. same
422. santa
423. say
424. science
425. sea
426. second
427. see
428. several
429. sex
430. shaggy
431. shall
432. she
433. shh
434. should
435. side
436. silver
437. simply
438. since
439. situation ook Frans
440. six
441. sky
442. snake
443. social ook Frans
444. something
445. some
446. source
447. south
448. so
449. space
450. specific
451. springs
452. standard
453. stark
454. states
455. street
456. strong
457. students
458. study
459. subtitle
460. such
461. sugar
462. summer
463. sun
464. supply
465. svm -> SVM
466. swat
467. sweet
468. synced
469. sync
470. systems
471. system
472. take
473. tax
474. tdb -> TDB
475. technology
476. tech
477. terms
478. thanksgiving ook: Thanksgiving
479. than
480. that
481. their
482. them
483. then
484. therefore
485. there
486. they
487. the
488. things
489. thing
490. think
491. third
492. this
493. those
494. three
495. through
496. tiger
497. times
498. today
499. together
500. too
501. total ook Frans
502. touch
503. town
504. to
505. trade
506. treatment
507. true
508. two
509. under
510. union
511. united
512. university
513. untranslated
514. usa
515. used
516. use
517. using
518. us
519. valley
520. value
521. various
522. very
523. ve
524. village
525. wall
526. ward
527. watch
528. way
529. wells
530. well
531. were
532. what
533. when
534. where
535. whether
536. which
537. while
538. white
539. whoa
540. whoo
541. who
542. why
543. will
544. wing
545. within
546. with
547. woman
548. women
549. wood
550. woo
551. working
552. work
553. world
554. would
555. wraith
556. ya ook Frans
557. yeah
558. years
559. year
560. yet
561. young
562. your
563. you
564. yo

Duits

1. auch
2. auf
3. aus
4. bin
5. da
6. dem
7. du
8. ein
9. eine
10. hat
11. herr -> Herr
12. ich
13. im
14. ist
15. mit
16. oder
17. sich
18. sind
19. um
20. und
21. von
22. wer
23. wird
24. zu

Frans

1. able ook Engels
2. action ook Engels
3. addition ook Engels
4. administration ook Engels
5. ainsi
6. animal ook Engels
7. article ook Engels
8. aussi
9. autre
10. autres
11. aux
12. avec
13. bien
14. blanche
15. ca
16. capital ook Engels
17. car ook Engels
18. cause ook Engels
19. ce
20. central ook Engels
21. centre
22. cette
23. champ ook Engels
24. change ook Engels
25. changes ook Engels
26. civil ook Engels
27. commander ook Engels
28. comme
29. comment ook Engels
30. conditions ook Engels
31. court ook Engels
32. demande
33. deux
34. doit
35. donc
36. double ook Engels
37. droit
38. elle
39. entre
40. est
41. et
42. fait
43. football ook Engels
44. global ook Engels
45. grand ook Engels
46. général
47. il
48. information ook Engels
49. institutions ook Engels
50. le
51. locale ook Engels
52. loi
53. lu
54. légal
55. membres
56. ministre
57. mission ook Engels
58. monde
59. national ook Engels
60. ne
61. ni
62. notre
63. nous
64. olive ook Engels
65. on ook Engels
66. onde
67. ont
68. opinion ook Engels
69. orange ook Engels
70. ou
71. pain ook Engels
72. parties ook Engels
73. pays
74. personnel ook Engels
75. police ook Engels
76. population ook Engels
77. position ook Engels
78. possible ook Engels
79. pour
80. prince ook Engels
81. production ook Engels
82. programme ook Engels
83. protection ook Engels
84. public ook Engels
85. qu'
86. que
87. question ook Engels
88. questions ook Engels
89. qui
90. rate ook Engels
91. relations ook Engels
92. royal ook Engels
93. rue
94. saint ook Engels
95. science ook Engels
96. se
97. ses
98. situation ook Engels
99. six ook Engels
100. social ook Engels
101. sont
102. source ook Engels
103. sur
104. ta
105. total ook Engels
106. tous
107. tout
108. travail
109. un
110. une
111. votre
112. vous
113. ya -> y'a ook Engels

Italiaans

1. con
2. della
3. monte
4. una