Ne visus žodžius sakome tiek pat dažnai. Pavyzdžiui, žodis „labas“ dažnesnis nei „lėkštė“. Bet ar tai pastebima ir domenuose? (Domenas – tai svetainės nuoroda, pvz. „dago.lt“.)
Ar labiau tikėtina, kad „stalas.lt“ bus užimtas, nei „staliukas.lt“? Ar dažnesnis žodis registruojamas dažniau?
Patikrinau 169 tūkstančius lietuviškų žodžių ir štai ką sužinojau.
Kaip atrinkti šie žodžiai?
Dažninius žodynus sudaro kalbotyros specialistai, jie surenka tekstinius dokumentus (straipsnius, knygas, kitą turinį) → sutvarko (išmeta skyrybos ženklus) → suskaičiuoja žodžius → ir paruošia sąrašą.
Rėmiausi šiuo Virginijaus Dadurkevičiaus 2020 m. darbu. Autorius iš 1,3 milijardo žodžių rinkinio atskaičiavo, surūšiavo 169 tūkstančius dažniausių lietuviškų žodžių ir jų lemas. Žodžio lema – tai bazinė žodžio forma. Pavyzdžiui, žodžiai „šunys“ ir „šunims“ turi bendrą bazinę versiją, lemą, „šuo“.
Turimi duomenys: žodis + jo tipas + skaičius kiek kartų paminėtas.
Kaip jau supranti, palyginsiu ir daiktavardžius su veiksmažodžiais, įvardžiais, prieveiksmiais… Ir kitom kalbos dalim.
Galbūt daiktavardžiai populiariausi? O gal ne? 😉
Turint duomenis man liko tik paversti tai į legalių domenų sąrašą → tikrinti automatiniu būdu užklausiant .lt srities administratoriaus domreg.lt, išsisaugoti rezultatus → excelyje susiskaičiuoti duomenis, pasidaryti lenteles, grafikus.
Bendra statistika
- Sąrašas: 169 789 žodžių;
- Iš to gaunasi 164 825 legalūs domenai (tik lotyniškos raidės, nesidubliuoja, ne per ilga ir ne per trumpa).
Ir patikrinus:
- Laisvi: 146 476 — 88.9%
- Užimti: 17 949 — 10.9%
- Karantine: 127 — 0.1%
- Rezervuoti: 25 — 0%
- Apriboti: 6 — 0%
- Užblokuoti: 242 — 0.1%
O dabar įdomioji dalis:
Kas labiausiai užimta? Ar yra ryšys?
Bendrai:
Grafikas pavaizduotas taip: į dešinę (→) yra žodžio dažnumas logaritminėje skalėje (6 yra dešimt kartų dažniau nei 5). Tuo tarpu į viršų (↑) yra tikimybė, kad domenas užimtas.
Taškeliai – tai žodžių grupės, sudėtos pagal logaritminį dažnumą. Tikimybė gaunama paėmus tos grupės vidurkį. Tokiu būdu nereikia atvaizduoti 164 tūkst. taškelių, o ir galime paskaičiuoti užimtumo tikimybę.
Matome, kad taip, ryšys yra!
Ir net galime suskaičiuoti ir koreliaciją: 0,405. Kas reiškia, kad tai nėra „garantuota“, kad populiarus žodis bus užimtas, bet „vidutiniškai tikėtina“, kad bus.
Žmonės mėgsta registruoti dažnus žodžius.
Oooooooooo, dabar klausimėlis: ar tai vienoda skirtingiems žodžių tipams? Juk yra daiktavardžiai, būdvardžiai, onomatopėjos ir netgi visokios pavardės! Tai irgi dažni žodžiai. Kaip skiriasi? 👀
Patikrinkime. Parodysiu daugiau grafikų.
Pagal kalbos dalį:
Iš 169 tūkst. dažniausių žodžių, pagal kalbos dalis jie išsidėsto taip:
- Daiktavardžiai: 47 015 — 27,7%
- Veiksmažodžiai: 37 029 — 21,8%
- Būdvardžiai: 14 999 — 8,8%
- Vietovardžiai: 7 611 — 4,5%
- Prieveiksmiai: 3 467 — 2,0%
- Santrumpos: 1 384 — 0,8%
- Prekiniai ženklai: 1 090 — 0,6%
- Onomatopėjos: 333 — 0,2%
- Pavardės: 53 300 — 31,4%
- Vardai: 2 981 — 1,8%
Taip pat yra skaitvardžiai (137), šauksmininkai (133), dalelytės (130), prielinksniai (71), įvardžiai (54) ir jungtukai (45). Jų kiekis, tiesa, toks mažas, kad neįmanoma padaryti grafiko. Gale parodysiu tą su onomatopėjom.
Išvardinsiu nuo dažniausių:
(Koreliacija: 0.511, vidutiniškai stipri.)
Daiktavardžiai yra pvz.: „diena.lt“, „turtas.lt“, „zeme.lt“. Matome, kad visiems žinomi – tikėtina, kad bus užimti.
TOP10 dažniausių daiktavardžių, kurie dar laisvi: pakeitimas.lt, nutarimas.lt, institucija.lt, komitetas.lt, atvejis.lt, gyventojas.lt, lesos.lt, departamentas.lt, salyga.lt, taisykle.lt.
(Čia gauta koreliacija vos 0.169, labai silpna, todėl dar šitą reikės patikrinti su kitais duomenimis.)
Veiksmažodžiai yra pvz.: „skelbti.lt“, „pristatyti.lt“, „augti.lt“. Šių populiariausi jau užimti, o iiiiiiiiilgaaaaaa rečiau naudojamų uodega, pvz. „tebevirskinti.lt“, tikėtina, kad bus neregistruota.
TOP10 dažniausių veiksmažodžių, kurie dar laisvi: skirti.lt, manyti.lt, noreti.lt, priimti.lt, nurodyti.lt, atlikti.lt, pradeti.lt, numatyti.lt, negaleti.lt, sudaryti.lt.
(Koreliacija: 0.331, silpna.)
Būdvardžiai yra pvz.: „idomus.lt“, „geras.lt“, „greitas.lt“. Panašu į veiksmažodžius.
TOP10 dažniausių būdvardžių, kurie dar laisvi: didis.lt, viesas.lt, aukstas.lt, tarptautinis.lt, ivairus.lt, vyresnis.lt, politinis.lt, administracinis.lt, finansinis.lt, sunkus.lt.
(Koreliacija: 0.411, vidutiniška.)
Prieveiksmiai yra pvz.: „kartais.lt“, „pirma.lt“, „todel.lt“. Šiek tiek labiau užimti nei būdvardžiai, bet mažiau nei daiktavardžiai.
TOP10 dažniausių prieveiksmių, kurie dar laisvi: daznai.lt, velai.lt, anksti.lt, visiskai.lt, visai.lt, siemet.lt, pernai.lt, siol.lt, tuomet.lt, mazdaug.lt.
(Koreliacija: 0.445, vidutiniška.)
Vietovardžiai yra pvz.: „vilnius.lt“, „islandija.lt“, „mazeikiai.lt“. Gali matyti, kad jei tik žinoma vieta (ne koks mano gimtasis Yliškių kaimas), tikėtina bus užimta. 😄
TOP10 dažniausių vietovardžių, kurie dar laisvi: afganistanas.lt, niujorkas.lt, kaliningradas.lt, vasingtonas.lt, madridas.lt, libija.lt, pakistanas.lt, musas.lt, peterburgas.lt, atenai.lt.
(Koreliacija: 0.328, silpna.)
Santrumpos yra pvz.: „nato.lt“, „kasp.lt“, „lrt.lt“. Čia net ir rečiausios (pvz. „litaka.lt“) yra populiarios! Beje, kas nors pasakykit NATO, kad susitvarkytų webą, nes meta errorus wordpresiukas… 🙂
TOP10 dažniausių santrumpų, kurios dar laisvos: zin.lt, proc.lt, tukst.lt, nuotr.lt, mlrd.lt, pan.lt, eeb.lt, gim.lt, eil.lt, gyv.lt.
(Koreliacija: 0.312, silpna.)
Prekės ženklai yra pvz.: „zalgiris.lt“, „maxima.lt“, „apple.lt“. Šitie gana akivaizdu, kad muša užimtumo lubas. Bet yra ir laisvų, pavyzdžiui „reuters.lt“ ir „grammy.lt“.
(Tik nerekomenduoju pirkti, nes šiuos prekės ženklais paremtus domenus, net neregistruotus, saugo įstatymas. Geriausiu atveju tektų atiduot, blogiausiai gautum ir baudą už vartotojų apgaudinėjimą.)
TOP10 dažniausių prekės ženklų, kurie dar laisvi: gazprom.lt, reuters.lt, williams.lt, talibanas.lt, panathinaikos.lt, eurostat.lt, kremlius.lt, raptors.lt, hamas.lt, dinamo.lt.
…Minėjau, kad su rečiau naudojamom kalbos dalim sunku paskaičiuoti ryšį, taip? Tai va, pavyzdys:
Onomatopėjos yra pvz.: „kva.lt“, „mirkt.lt“, „cha.lt“. Kadangi iš 169 tūkst. žodžių tokių yra tik 333, šis grafikas rodo pieno riebumą. Su dar retesniais tipais (dalelytėm, jungtukais) iš vis pieva, nes jų dar mažiau. 🙂
TOP10 dažniausių onomatopėjų, kurios dar laisvos: kliu.lt, gar.lt, lapt.lt, tapst.lt, krust.lt, sast.lt, kist.lt, bast.lt, pfu.lt, kirst.lt.
Kas čia dar… Ogi pavardės! Jų, pasirodo, spaudoje yra daug ir įvairių.
(Koreliacija: 0.394, vidutiniška.)
Pavardės kaip pvz.: „adamkus.lt“, „ciurlionis.lt“, „bernatonis.lt“. Paskutinis, beje, toks labai netikėtai fainas, pirmą kartą tokį webą pamačiau. 🥺 Nemažai ir parduodamų, kaip pvz. „kleiza.lt“ ar „paulauskas.lt“.
TOP10 dažniausių pavardžių, kurios dar laisvos: trejus.lt, obama.lt, uspaskichas.lt, kedys.lt, kirkilas.lt, degutiene.lt, veselka.lt, prunskiene.lt, vagnorius.lt, lukasenka.lt.
Ir vardai:
(Koreliacija: 0.572, vidutiniškai stipri.)
Šių dažniausių žodžių sąraše mažiau, nes nėra tiek daug įvairių vardų; ir turbūt todėl užimta daugiau. Net rečiausi vardai gali būti užimti. Pavyzdžiui, vienas rečiausių vardų – „jovydas.lt“ – užimtas. Net nekalbant apie populiarius kaip „antanas.lt“ ir „gediminas.lt“, kurie praktiškai garantuotai užimti.
TOP10 dažniausių vardų, kurie dar laisvi: vladimiras.lt, sergejus.lt, raimondas.lt, mecys.lt, alfonsas.lt, adolfas.lt, georgas.lt, maris.lt, laimute.lt, prane.lt.
Tai va. Tokios tokelės:
Žmonės domenams renkasi pavadinimus pagal žodžio dažnumą. Dažnas žodis, tikėtina, kad bus užimtas → galbūt vertingas.
Ką dar norėtum, kad patikrinčiau? Parašyk! 😉
Arba spausk like, jei buvo įdomu. Tada žinosiu, kad verta tęsti su tyrimais ir kitą penktadienį išleisiu kitą dalį. 👍
Šaltiniai:
- Dadurkevičius, Virginijus, 2020, Wordlist of Lemmas from the Joint Corpus of Lithuanian, CLARIN-LT digital library in the Republic of Lithuania.
- Žodžių pavertimui į domenus naudotas įrankis: https://github.com/debesyla/domenai-generator
- O domenų tikrinimui naudotas: https://github.com/debesyla/domenai-bruteforcer
Abu suchimičyjau pats, taigi gali imt ir naudot, jei norėtum pakartoti eksperimentą.
Taip pat rekomenduoju: praeitos savaitės tyrimas, kuriame tikrinau visus įmanomus 2-4 simbolių domenus. Tikrinau kiek jų užimtų, kiek laisvų. Komentaruose yra ir papildomas tyrimas su 3-4 simbolių domenais, kuriuose yra brūkšnelis (hyphen). Užmesk akį.
Pirmą kartą paskelbta LinkedIn — 2025-11-07.