NB-BibliothecaNova 0414nett

har et DDK-nummer. Fra siffergruppene i DDK beholdes første gruppe på
tre siffer for videre analyse 3 . Totalt gir det 750 tresifferkombinasjoner av
emneklassifikasjoner for enkeltverk.
INNHOLDSORD FRA DIGITALISERTE VERK
Verkene er telt opp på ord slik at hvert ord kobles til DDK-nummeret for verket.
Ordene innenfor en og samme verk blir derfor, på en måte, dissosiert fra
hverandre, og i stedet knyttet sammen med klassifikasjonen. Dermed kan ord
fra forskjellige bøker relateres til hverandre ved at de faller inn under samme
DDK-nummer. Samme ord kan kombineres med flere klassifikasjonskoder.
Resultatet av prosessen er en database over kombinasjoner av DDK og
ord der frekvensen angir hvor ofte DDK-nummeret forekommer med det
aktuelle ordet. Her illustrert med ordene egg og kano for DDK 200 religion)
og 759 (historie, geografisk behandling og biografier innen malerkunst),
så egg forekommer 215 ganger i bøker klassifisert som religion, og kano
forekommer 17 ganger i 759.
Tabell 1 Samforekomster mellom DDK-numre og innholdsord
Frekvens DDK Ord
215 200 egg
200 759 egg
17 759 kano
6 200 kvinner
For enkelhets skyld er det ikke tatt hensyn til flerordsuttrykk, som for eksempel
den medisinske termen cystisk fibrose, eller fagtermer med ordet syndrom
i seg. I en fullstendig analyse vil den type uttrykk ha en naturlig plass. Det er
heller ikke foretatt noen automatisk grammatikalsk analyse av ordene, som
inndeling i ordklasser eller lemmatisering 4 . I diskusjonen nedenfor gjøres
det manuelt i hvert enkelt tilfelle.
STATISTIKK
Målet med den statistiske analysen er å finne meningsfulle innholdsord fra
samlingen. For desimalgruppen DDK 799 (fiske, jakt, skyttersport), er det ca.
45 000 ordformer med frekvens over 20. Av disse skal vi hente ut et tyvetalls
ord og sammenligne med frekvente emneord.
3 Desimalkombinasjonen 839.609 bidrar derfor kun med hovedgruppen 839 (norsk
skjønnlitteratur)
4 Lemmatisering – erstatte et bøyd ord med dets stamme.
66