Famosas ultimas -y primeras- palabras.

Intentando catalogar emojis y emoticonos, está la cuestión de cómo seleccionarlos; un paper daba una pista interesante: los emojis son mas frecuentes al final de un texto o pasada la primera palabra, en twitter.  Asi que se me ocurre, veamos cuales son las ultimas palabras mas frecuentes en los tuits en castellano, y de paso tambien cuales son las primeras mas frecuentes en las respuestas, esto es, despues de las arrobas «at» que indican conversacion. En este caso no hay tanta probabilidad de obtener un emoticono… Salen algunos, pero lo principal es el jajaja y el gracias. Eso esta bien; seguimos siendo gente educada incluso en twitter.

Conv   No_Conv
 no      Me
 que     No
 y       Que
 yo      El
 te      La
 me      Y
 si      A
 es      Si
 ya      En
 a       Nuevos
 No      Ya
 Gracias Yo
 la      Mi
 el      Hoy
 jajaja  Se
 lo      Lo
 gracias Los
 por     Como
 pero    Cuando
 en      Es
 jajajaja Por

Salen por supuesto  ?  🙁 ? <3  🙂  xD ? 3 ? ? :v?  (+) ??? ? ? ? xd, flechas y los tipicos lol, wtf, xp y demas reacciones. Pero es para las palabras finales donde hay otro cantar; haya o no conversacion, los finales mas frecuentes abundan en emotis y emojis

FamousFinalWords

Es interesante que no hay muchos emoticonos alfabeticos, tan solo xp, XD y xc, a lo que se me alcanza. Hay algunos con mezcla de numeros y letras: X33333,  7o7. Pero parece que en general intentan separarse de las palabras.

cat BodyEspLang.sorted.uniq | grep "^@" | sed "s/[ ]*http[^ ]*//g" | sed "s/[@#][a-zA-Z0-9_]*[ ]*//g" | grep -o -P "^[^ \n\t]*" | LC_COLLATE=C sort -S30% -T tmp | LC_COLLATE=C uniq -c | sort -nr > FirstwordTalkEs.txt

cat ... |  grep -o -P "[^ \n\t]*$" |  ... > lastwordTalkEs.txt

cat ...| grep -v "^@" |