Create 2026-02-06-phupha.md

Author: wannaphong

_posts/2026-02-06-phupha.md

@@ -0,0 +1,37 @@
+---
+layout: post
+title: "เปิดตัว ภูผา: ชุดข้อมูลความถี่คำภาษาไทย"
+gh-repo: pythainlp/Phupha-Word-freq
+gh-badge: [star, fork]
+categories: [news]
+comments: true
+---
+ผมได้ปล่อยชุดข้อมูลภาษาไทยตัวใหม่ ชื่อ "ภูผา (Phupha)" เป็นชุดข้อมูลความถี่คำภาษาไทยจาก CommonCrawl โดย CommonCrawl เป็นชุดข้อมูลที่รวบรวมหน้าเว็บจากอินเทอร์เน็ตเอาไว้ โดยผมได้ใช้ Infini-gram mini API ช่วยสำหรับดึงความถี่คำภาษาไทยจาก CommonCrawl Corpus (Common Crawl July 2025 Crawl) มาเก็บไว้
+
+ชุดข้อมูล Phupha มีขนาดคำ 62,265 คำ (มีภาษาอังกฤษหลุดมาหนึ่งคำคือคำว่า word) โดยคำเป็นคำที่มาจากพจนานุกรมตัดคำภาษาไทยของ PyThaiNLP และรายการคำศัพท์ภาษาไทยจากราชบัณฑิตยสภา
+
+โหลดได้ที่ [https://github.com/PyThaiNLP/Phupha-Word-freq](https://github.com/PyThaiNLP/Phupha-Word-freq)
+
+**สถิติน่าสนใจ**
+
+สำหรับ Common Crawl July 2025 Crawl คำภาษาไทยที่มีมากที่สุด 10 อันดับแรกมีดังนี้
+
+|     | word | count |
+| --- | --- | --- |
+| 61861 | กา  | 193460292 |
+| 11281 | ที  | 178316719 |
+| 15767 | การ | 170924829 |
+| 29153 | อง  | 168370283 |
+| 58407 | ที่ | 162917982 |
+| 33326 | ระ  | 108382029 |
+| 13826 | มา  | 98172980 |
+| 10729 | แล  | 96606598 |
+| 40491 | ละ  | 85820577 |
+| 12358 | รา  | 83917626 |
+
+จะเห็นได้ว่าคำว่า "กา" มีความถี่สูงที่สุด
+
+หากใครต้องการค้นคำอื่น ๆ หรือหาตัวอย่างข้อความที่ใช้คำดังกล่าว [https://huggingface.co/spaces/infini-gram-mini/infini-gram-mini](https://huggingface.co/spaces/infini-gram-mini/infini-gram-mini)
+
+
+อ่านรายละเอียดเกี่ยวกับ Infini-gram mini ได้ที่ [https://infini-gram-mini.io/](https://infini-gram-mini.io/)