Zad_1_lang_corpus_ML/README.md

# Zadanie 2

## Zbadać prawo Zipfa dla innych jednostek niż wyrazy (n-gramy, rdzenie, lematy, itp.)

Zbadano dla trigramów na wyrazach i znakach, wyniki znajdują się w plikach:

 `pt-3_n-gram_words-log-log.png`

 `pt-3_n-gram_chars-log-log.png`

ścieżka do skyptu: `zipf.py`


## Podać słowa, które najbardziej łamią prawo wiążące długość z częstością

```
Israeli-Palestinian
disproportionately
inflation-adjusted
industrialization
Secretary-General
```
ścieżka do skryptu: `long_freq_words.py`

## Wymyślić i zbadać 2 zależności dotyczące wyrazów bądź innych jednostek w tekście.

### Piewsza wymyślona zależność 

Hipoteza -- Średnia długość wyrazów będzie większa w dłuższych zdaniach.

Wnioski: 
1. Średnia długośc wyrazu **nie jest większa** przy dłuższych zdaniach wynika to z wykresu: `long_word_in_long_sent.png` (uwaga kolory są wybierane naiwnie losowo)
2. Krótkie zdania mają większą średnią długość wyrazu

Ścieżka do skryptu: `long_word_in_long_sent.py` 
### Druga wymyślona zależność

Hipoteza -- Ilość wyrazów pisanych w całości z wielkich liter będzie większa w krótkich zdaniach

Wnioski: 
1. Ilość wyrazów pisanych w całości z wielkich liter nie jest bardzo zauważalnie większa w krótkich zdaniach wynika to z wykresu: `uppercases_are_in_short_sents.png` (uwaga kolory są wybierane naiwnie losowo)


Ścieżka do skryptu: `uppercases_are_in_short_sents.py`