大きなコーパスから文構造を集約する
Wolfram言語を使うと，大きいデータ集合が簡単に分析できる． この例では，ExtendedEntityClassを使って，Webサイトenglish.stackexchange.comへの投稿から100万を超える文の文法構造を抽出して調べる．
english.stackexchange.comから作ったEntityStoreをインポートする．
EntityValueで使うためにストアを登録する．
"single-word-requests"タグで分類された投稿について，最も頻繁に引用された，あるいは斜体・太字・リンクにされた単語を求め，結果のワードクラウドを作る．
投稿に使われた文構造を調べることで，このサイトをより広範囲に調べることができる．単文を抽出する特性を使用して，投稿の実体タイプを拡張することから始める．
新たな特性を使って投稿から100万を超える文を抽出する．
各文を空白文字または句読点で分割することで単語を求める．
ある論文によると，書かれた文1文当りの単語数は対数正規分布に従うと推測される．FindDistributionParametersを使ってコーパス内の各文の単語分布についてのフィッティングパラメータを求め，比較のためにそれらをプロットする．
個々の単語の出現頻度を求める．
DeleteStopwordsを使ってデータ集合をきれいにする．
きれいになった単語数を両対数プロットで可視化する．
50個の単語に焦点を当て，Calloutを使って個々の単語を見る．
TextStructureでコーパスのすべての文を分析し，終了時に結果をファイルに追加する．このプロセスには非常に長い時間がかかり，評価が数日に及ぶこともあるので注意のこと．
ファイルからデータを読み込む．
特定の例を見る．
文の中心構造を抽出する関数を構築する．
すべての文の中心構造を抽出する．
データ中の文法単位すべてとそれぞれの出現頻度を求める．
連続した単位のペアごとに遷移数を求める．
以下は，名詞と前置詞の遷移数である．
MatrixPlotを使って各遷移の出現頻度を可視化する．
文を構造でグループ化する．
最も一般的な文構造をプロットで可視化する．
いくつかの興味深い構造について例文を見る．
1つの文法単位の挿入によって2つの構造が親子関係を共有する場合にその2つを接続することで，最もよく使われるいくつかの文構造のネットワークを作る．
