عبارت‌های تکرارشده ۲ تا ۵ کلمه‌ای

تحلیل عبارت‌های تکرارشونده و n-gram واژگانی

عبارت‌های دو تا پنج کلمه‌ای می‌توانند الگوهای سبکی، ترکیبات قالبی و بخش‌هایی از زبان مشترک یک مجموعه متنی را آشکار کنند. IDHR ابتدا عبارت‌هایی را که دست‌کم دو بار در کتاب مبنا آمده‌اند استخراج می‌کند و سپس فراوانی همان عبارت‌ها را در هر کتاب دیگر می‌شمارد.

فراوانی بالا الزاماً نشانه وابستگی متنی نیست؛ ترکیبات نحوی بسیار عمومی نیز ممکن است پرتکرار باشند. ارزش پژوهشی معمولاً با بررسی هم‌زمان طول عبارت، بسامد، پراکندگی میان کتاب‌ها و زمینه وقوع مشخص می‌شود.