woordenlijsten

Een woordenlijst is een verzameling van woorden die om een bepaald doel of volgens een specifieke methode is geselecteerd. In de praktijk variëren woordenlijsten van korte collecting van de meest frequente woorden tot uitgebreide verzamelingen met vaktermen en jargon. Woordenlijsten dienen als hulpmiddel bij taalverwerving, taalonderwijs en taalkundig onderzoek, en worden ook toegepast in informatietechnologie en natuurlijke taalverwerking voor tekstbewerking en analyse.

Er bestaan verschillende soorten woordenlijsten. Frequentielijsten rangschikken woorden op basis van hoe vaak ze in een corpus voorkomen. Thematische of domeinspecifieke lijsten bevatten woorden uit een bepaald vakgebied. Orthografische of spellingslijsten helpen leerlingen bij correcte spelling. Stopwoordenlijsten bevatten veel voorkomende function words die in sommige analyses worden genegeerd. In taalkundig onderzoek en NLP worden vaak lemma- of lexiconlijsten en soms sentiment- of geografische lijsten gebruikt.

De samenstelling van een woordenlijst is meestal gebaseerd op corpora, deskundige selectie of een combinatie daarvan. Frequente lijsten komen voort uit tekstdata uit diverse registers en talen; lexicons kunnen handmatig worden opgebouwd door experts. Voor meertalige toepassing worden vaak vertaalrelaties gelegd tussen talen.

Toepassingen vinden plaats in onderwijs, diagnostiek en onderzoek. In scholen worden woordenlijsten gebruikt voor spellingtoetsen, woordenschatverwerving en leesonderwijs. In onderzoek en NLP dienen ze als basis voor lexicons, spellingsbeheer en algoritmen voor tekstverwerking. Kwaliteit en relevantie hangen af van bron, doel en taalvarieteit, en lijsten dienen regelmatig te worden bijgewerkt.