Uma coisa muito importante para se ter em mente ao usar tabelas hash, especialmente com endereçamento aberto, é o load factor: a razão entre o número de chaves distintas na tabela e a capacidade máxima da tabela. Se o load factor for muito baixo você estará desperdiçando memória com uma tabela hash demasiadamente esparsa. Por outro lado, se o load factor for muito alto, você fica muito propenso à colisões na sua função de hash e formações de clusters na sua tabela (segmentos longos de índices ocupados, que significam sondagens lineares também longas...). Por exemplo, imagine o que ocorre com uma tabela de capacidade 10001 com 10000 chaves usadas, como a que você propôs na pergunta: vai ter 10000 índices consecutivos usados e apenas um índice livre sobrando. Ao tentar inserir o 10001o elemento, é quase certeiro que haja uma colisão da função de hash e na média você terá que fazer uma sondagem de 5000 índices até chegar no balde vazio!
Por causa disso tudo, o ideal é que o seu load factor não seja nem muito grande nem muito pequeno. A wikipédia diz que se você estiver usando endereçamento linear, é bom evitar load factors acima de 70% ou 80% (mas não achei a fonte pra esse número específico). É claro, isso tudo depende da função de hash que você estiver usando e do texto que você usar como entrada. Sugiro que você faça testes com capacidades diferentes e veja os resultados.
Fora isso tudo, se você não souber a priori a capacidade da tabela que você vai precisar uma possibilidade é redimensionar a tabela dinamicamente. Toda vez que o load factor passar de um limite preestabelecido, você malloca uma nova tabela com o dobro1 da capacidade e transfere todas as chaves da tabela antiga pra tabela nova.
1 O que importa aqui é sempre multiplicar a capacidade por uma constante maior que 1 (crescer as capacidades exponencialmente) ao invés de ficar aumentando por um número fixo de elementos (crescer a capacidade linearmente). Isso faz com que o custo assintótico amortizado dos redimensionamentos seja constante. Quanto maior o fator de redimensionamento, menos tempo você vai gastar com redimensionamentos mas em compensação você vai ter tabelas gastando mais memória.