Blog Magyar STOP words lista
hungarian stop words lista
Írta:

Magyar STOP words lista

Amikor keresőoptimalizálás során szövegeket elemzünk, akkor gyakran kerülnek elő haszontalan szavak, kifejezések. Ennek részben az az oka, hogy a legtöbb SEO eszköz nem magyar nyelvre készült, ezért nincsenek kiszűrve a programokban. Van ahol erre nincs is lehetőség. Van, ahol erre azért odafigyeltek.

Klasszikus példa a TF-IDF elemzés során, hogy a magyar nyelvű szövegeknél névelők, jelzők, igék és általános kifejezések is előbukkannak. Ezeknek viszont SEO szempontból kevés hasznuk és relevanciájuk van.

Mi az a “stop word”?

A gyakorlatban ez az adott nyelven leggyakrabban használt szavakat jelenti.

Keresőmotoroknál például a “melyik a legjobb SEO platform” kifejezés esetében az algoritmus másképp priorizálja a “melyik, legjobb, a” szavakat, mint a “SEO platform” szókapcsolatot: ha ez nem így lenne, a találati lista tele lenne a “melyik, legjobb, a” szavakra erős tartalmakkal, aminek lehet, semmi köze nincs SEO platformokhoz. Pedig a keresési szándék alapján a felhasználó egyértelműen SEO platformokra kíváncsi, ha a “melyik a legjobb SEO platform” kifejezést üti be a keresőbe.

A magyar neten Hugyecz Gyuri oldalán a tutorial.hu-n van fent egy jó lista 2010-ből, amiből érdemes kiindulni.

https://www.tutorial.hu/egyeb/hungarian-stop-words/

Ezt viszont érdemes kiegészíteni még olyanokkal, mint a “jog fenntartva” vagy épp az “adatkezelési nyilatkozat”, amely szavak nagyjából minden hazai weboldalon megtalálhatóak.

  • 2020
  • a
  • abban
  • ad
  • adatvédelmi nyilatkozat
  • ahhoz
  • ahogy
  • ahol
  • aki
  • akik
  • akkor
  • alá
  • alatt
  • által
  • Általában
  • amely
  • amelyek
  • amelyekben
  • amelyeket
  • amelyet
  • amelynek
  • ami
  • amíg
  • amikor
  • amit
  • amolyan
  • amúgy
  • annak
  • arra
  • arról
  • át
  • az
  • azért
  • azok
  • azon
  • azonban
  • azt
  • aztán
  • azután
  • azzal
  • bár
  • be
  • belül
  • benne
  • cikk
  • cikkek
  • cikkeket
  • csak
  • de
  • e
  • ebben
  • eddig
  • egész
  • egy
  • egyéb
  • egyes
  • egyetlen
  • egyik
  • egyre
  • ehhez
  • ekkor
  • el
  • elég
  • ellen
  • elő
  • először
  • előtt
  • első
  • emilyen
  • én
  • ennek
  • éppen
  • erre
  • es
  • és
  • ez
  • ezek
  • ezen
  • ezért
  • ezt
  • ezzel
  • fel
  • feladva
  • felé
  • főleg
  • ha
  • hanem
  • hát
  • hello
  • helyett
  • hiszen
  • hogy
  • hogyan
  • hozzászólás
  • hozzászólások
  • ide
  • ide
  • igen
  • így
  • ill
  • ill.
  • illetve
  • ilyen
  • ilyenkor
  • is
  • ismét
  • ison
  • itt
  • jobban
  • jog fenntartva
  • jól
  • kategória
  • kell
  • kellett
  • keressünk
  • keresztül
  • ki
  • kívül
  • komment
  • között
  • közül
  • le
  • legalább
  • legyen
  • lehet
  • lehetett
  • lenne
  • lenni
  • lesz
  • lett
  • maga
  • magát
  • majd
  • már
  • más
  • másik
  • meg
  • még
  • mellett
  • mely
  • melyek
  • mert
  • mi
  • miért
  • míg
  • mikor
  • milyen
  • minden
  • mindenki
  • mindent
  • mindig
  • mint
  • mintha
  • mit
  • mivel
  • most
  • nagy
  • nagyobb
  • nagyon
  • ne
  • néha
  • néhány
  • nekem
  • neki
  • nélkül
  • nem
  • nincs
  • ő
  • oda
  • ők
  • oka
  • őket
  • olyan
  • ön
  • os
  • össze
  • ott
  • pedig
  • persze
  • s
  • saját
  • sem
  • semmi
  • soha
  • sok
  • sokat
  • sokkal
  • száma
  • számára
  • szemben
  • szerint
  • szerintem
  • szerző
  • szét
  • szia
  • szinte
  • talán
  • te
  • tehát
  • teljes
  • ti
  • több
  • tovább
  • továbbá
  • üdv
  • úgy
  • ugyanis
  • új
  • újabb
  • újra
  • után
  • utána
  • utolsó
  • vagy
  • vagyis
  • vagyok
  • valaki
  • valami
  • valamint
  • való
  • van
  • vannak
  • vele
  • vissza
  • viszont
  • volna
  • volt
  • volt
  • voltak
  • voltam
  • voltunk

Website Auditor

Hol lesz ez hasznos? Például a Website Auditorban jön jól TF-IDF elemzésnél.

stop words

Ha az angol listát kiegészíted a saját magyar listáddal, akkor sokkal gyorsabban és hatékonyabban lehet átnézni a TF-IDF eredményeket. Itt arra érdemes figyelni, hogy olyan szavakat ne rakj fel a listára, ami egyes iparágakban fontos kifejezésnek számítanak (pl a “nyilakozat” szó fontos lehet jogi szövegeknél, ezért az “adatvédelmi nyilatkozat”-tól ne így próbálj megszabadulni).


Hozzászólások

Moderáld magad – vagy mi fogunk. :)
Na jó, nem fogunk, szóval csak ésszel!