| Rank in Wordlist | Word | Rank in Wordlist | Word |
|---|---|---|---|
| 1 | છે | 26 | થાય |
| 2 | અને | 27 | રીતે |
| 3 | આ | 28 | કરે |
| 4 | એક | 29 | દેશના |
| 5 | કે | 30 | આવેલું |
| 6 | માટે | 31 | રાજ્યના |
| 7 | આવેલા | 32 | એ |
| 8 | પણ | 33 | પશ્ચિમ |
| 9 | તે | 34 | તેના |
| 10 | હતી | 35 | ગુજરાત |
| 11 | પર | 36 | ગામ |
| 12 | જે | 37 | વધુ |
| 13 | ભાગમાં | 38 | એવા |
| 14 | સાથે | 39 | કુલ |
| 15 | હતું | 40 | ઉપયોગ |
| 16 | હતા | 41 | અથવા |
| 17 | હોય | 42 | આવી |
| 18 | હતો | 43 | કારણે |
| 19 | જ | 44 | નથી |
| 20 | આવે | 45 | સૌથી |
| 21 | કરી | 46 | મહત્વનું |
| 22 | કરવામાં | 47 | શકે |
| 23 | તરીકે | 48 | તેઓ |
| 24 | દ્વારા | 49 | અન્ય |
| 25 | ભારત | 50 | તેને |
The table shows the top-50 words of the corpus. Usually we see stopwords.
Language: Afrikaans
This list is a good candidate for a first stopword list for a language.
Usually a small, balanced corpus is enough to get a good list of high frequent words. But if the small corpus has some very prominent topic, this will be visible even in the top word lists.
select w_id-100 as rank_in_wordlist, word from words where w_id>100 order by w_id limit 50;
3.4 Sample words for different frequency ranges