零代码在线文本分析·图像处理

对每行文本做清理：可选停用词与自定义词表、删除全部标点或保留常用标点、强力剥离网页与代码噪声（中文），并按 20～500 字窗口分段。结果页含处理行数与空行、原文字符与清理后字符、各文件名下原始与清理字符及处理行数、删除字符与比率，以及完整度保留解读。适合爬虫与混排文档规范化，也适合为主题分析准备定长片段

对文本逐词进行词性标注，支持中文和英文。中文同时使用Jieba和SpaCy两种分词引擎对比标注，英文使用SpaCy标注，可配置自定义词典和停用词。结果页展示总词数、唯一词数、词性多样性、词汇多样性等统计对比，Jieba和SpaCy的词性分布柱状图，以及各词性的典型词汇示例，支持导出CSV。适合语言学研究中分析文本词性结构，也适合中文分词方案选型时对比不同引擎的标注差异。

从文本中提取关键词并计算权重，可选DeepKeyword深度学习模型、TF-IDF词频统计和TextRank语义图谱三种提取方法，支持txt和csv格式。

DeepKeyword模式可配置最大关键词数量、最小关键词长度等参数。

结果页展示处理行数、关键词数量等统计概览，关键词词云图，以及关键词权重分布柱状图，多文件时还提供汇总词云，支持导出CSV。适合学术论文中提取核心术语，也适合电商评论中发现高频产品特征词。

回答「材料里反复围绕哪些说法、焦点是否被少数词主导、多篇是否共用一套高频表述」等问题。词语出现次数与占全文比重的排序，可用于写摘要时抓重点词、核对某提法是否被反复强调；总词量、不同词数量与平均词频等汇总，有助于判断材料用词是分散还是高度集中。可视化呈现便于快速建立对焦点词的直观印象；分文件结果便于对照各篇差异。适用于通稿与政策解读类材料的提法集中度检视，以及问卷开放题中受访者反复提及的主题归纳。

用于从新闻、访谈、档案等文本里找出人名、地名、机构名及其他关键实体，判断材料的关注对象和信息重心。实体类型分布、占比、热门实体和实体密度可用于概括文本焦点、比较不同材料的叙述差异；逐句实体明细可用于回查关键表述、整理索引或为关系抽取做前置梳理。适用于媒体报道中的主体追踪，也适用于政策文件中的机构与地点梳理。

用于从文本里识别反复连在一起出现的词语组合，判断哪些概念彼此绑定、哪些表述只是偶然同现。词语搭配表及其关联强度、显著性、稳定性和前后位置关系，可用于归纳固定说法、比较不同材料的叙述差异、梳理语义网络；关系分组和整体统计可用于快速概括核心议题与高频搭配。适用于媒体报道中的话语口径梳理，也适用于访谈材料中的主题关联分析。

用于分析一句话里的主干、修饰与连接关系，判断信息是怎样被组织起来的，以及哪些句子更复杂、更难读。整体摘要、关系类型分布和复杂度分布可用于概括文本的表达风格、比较不同材料的句法差异；逐句依存结构图及每句词数、关系类型、最大深度可用于定位长句难点、梳理句子骨架和辅助细读。适用于政策文本中的句式复杂度判断，也适用于新闻报道中的表达结构分析。

用于从一批文本里识别哪些词最关键、哪些词经常一起出现，以及不同文档之间的用词结构是否接近。核心词汇排序、词汇相关性矩阵和词汇关系网络可用于归纳主题、识别概念组合、比较语义联系；文档统计、词频分布、相似性指标和词汇聚类可用于判断材料是否集中在少数议题，或是否存在几组相对独立的主题。适用于政策材料中的议题结构梳理，也适用于访谈语料中的核心概念分析。

用于判断一批文本整体更偏积极、消极还是中性，并识别哪些表达在具体语境中推动了情感走向。情感占比、平均得分和分数区间可用于比较不同文件或批次的舆情与反馈变化；正负向关键词可用于提炼高频赞许点与抱怨点、辅助写总结和定位重点样本。适用于电商评论中的满意度梳理，也适用于学术文本中的支持与质疑倾向判断。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文；长文需先用文本清洗功能做正确分段。

用于从一批文本中自动分出若干主题组，判断哪些内容彼此接近、哪些主题边界清楚或重叠。聚类规模分布、二维散点图、相似度热力图和关键词词云可用于概括主题结构、识别主导议题与相近类别；评估指标、示例文本、代表性文档和聚类解读可用于复核分组是否可靠，并为后续筛选样本、整理主题摘要或优化分类口径提供依据。适用于问卷开放题归类，也适用于评论、访谈与舆情材料的主题分组。

基于深度语义模型的可解释情感分析工具，不只输出正负中性判断，还会对关键词或短语标注情感极性、词性类型及贡献方向，并识别否定结构、程度副词、转折逻辑与反讽等复杂语言现象。逐行情感结果、证据词、触发模式、否定词和核心触发词可用于复核判断、摘录证据、比较不同来源文本的情绪表达；句级推理逻辑以结构化形式呈现，让每一个情感判断都有据可查。适用于舆情监测、用户评论挖掘、社区调研、学术标注，也适用于社交媒体舆情溯源与新闻报道立场分析。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文。

系统可自动识别文本中的人物、组织、概念等实体及其相互关系，生成可交互的知识图谱。较长文本会智能分块、逐段抽取后合并结果。开启「聚类优化」可自动合并同义实体与关系，减少重复，让图谱更清晰准确。建议输入包含可区分实体与陈述的内容（避免纯口号或极短文本），合并后不少于 500 字；过长文本会按设定的分块大小切分后抽取。

支持上传最多 5 个 TXT 文件（合并后总字数不超过 10 万字），系统按上传顺序直接拼接后统一处理。

为保证数据准确性，并务必在处理之前删除页码、参考文献等无用信息，推荐使用强力清洗后的文本文件。

用于从大规模文本中识别潜在主题簇，分析议题的集中度、分离度、层级关系与文档归属，并判断不同主题之间是清晰分开、局部重叠还是存在上下位结构。主题标签、关键词权重、主题散点、文档分布、层次聚类树和相似度矩阵可用于构建主题地图、比较主次议题、识别核心主题与边缘主题，并定位哪些文本支撑某个主题判断；质量评估与代表性文本可用于复核结果，支持摘要撰写、汇报展示和论文写作。适用于论文综述，也适用于舆情、用户反馈和政策文本的主题分析。

用于从一批文本中提炼若干稳定主题，判断每个主题在讲什么、哪些文档主要属于某个主题，以及不同主题之间是否清晰分开或彼此重叠。主题词、主题一致性、困惑度、文档主题分布、主题相似度矩阵和主题演化可用于概括议题结构、比较主题质量、识别相近主题与边缘主题；多文档对比、预处理统计和异常检测可用于复核结果，并支持摘要撰写、汇报展示和论文写作。适用于论文综述，也适用于新闻、政策文本和用户反馈的主题分析。

用于分析文本情感，除积极、中性、消极外，还输出效价（V）、唤醒度（A）、支配度（D）三个维度，帮助区分同为负面却是愤怒、压抑还是无助等不同情绪状态。整体情感占比、VAD 三维均值、Russell 情感空间分布、四象限与逐行结果可用于比较不同文本的情绪结构、识别高唤醒或低控制感内容，并为细读、分组和研究结论提供量化依据。适用于舆情监测中的情绪地图绘制，也适用于访谈、评论和文学语料中的精细情感分析。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文。

用于在大量词语特征中提炼少数几个主成分，判断文本差异主要由哪些变量方向拉开，以及样本之间是聚集、分离还是存在离群点。碎石图、解释方差、载荷图和得分散点图可用于判断保留多少主成分更合适、识别哪些词贡献最大、比较样本结构并发现异常样本；参数建议与图表解读可用于支持后续聚类、分组和结果说明。适用于问卷开放题与访谈语料的结构摸底，也适用于政策文本和评论数据的降维分析。

用于从一批文本中找出自然形成的主题群，判断材料是集中在少数议题，还是分成几组彼此区分明显的表达。聚类分布、每类关键词、占比和质量评估可用于概括主题结构、比较主题边界、识别重叠或失衡分组，并为调整分类口径、写摘要和筛选重点材料提供依据。适用于用户反馈归类，也适用于访谈与舆情文本的议题分群。

用于把长文本或多段材料压缩成少数语义方向，判断语料主要围绕哪些主题展开、哪些主题彼此接近或重叠。主题词、主题占比、代表性段落、方差贡献、主题相似度与词汇关系可用于概括议题结构、核对主题边界、筛出能支撑判断的关键段落，并辅助写摘要、做对比和整理汇报。适用于访谈逐字稿梳理，也适用于评论反馈与政策材料的主题归纳。

用于从中文语料里找出常规分词不易识别的组合词，回答哪些术语、机构名、地名、人名或流行表达被切碎了。得到的新词数量与词目列表，可用于补充领域词典、统一研究口径、复核分词边界，并为后续词频、主题或实体分析减少噪声。适用于访谈和问卷中的本地简称整理，也适用于行业评论与社交内容中的新词补充。

用于在做LDA前判断主题数该设多少，回答主题分得太少会不会混杂、分得太多会不会碎片化。困惑度、两类一致性、轮廓系数、对数似然、BIC、AIC及综合推荐结果，可用于比较不同主题数下的模型质量，确定更稳妥的候选主题数，并为后续正式建模、结果解释和汇报说明提供依据。适用于论文综述中的主题数选择，也适用于政策文本与用户反馈的主题建模预评估。

用于比较句子之间的信息价值，判断哪些句子信息更密、更新颖、更值得保留，哪些句子内容空泛或重复。逐句指标表、综合得分和筛选结果可用于摘出高价值原句、压缩冗余材料、整理引文和下一轮分析语料；多项信息指标还能帮助解释一句话为什么值得保留。适用于访谈逐字稿筛句，也适用于新闻、评论和笔记材料的重点提炼。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文，推荐使用强力清洗后的文本文件。

用于识别文本中的需求、建议、目标与期待表达，判断大家最关注哪类期待、哪些诉求更紧急、整体情绪偏正面还是负面。期待类型分布、关键词关系、情感与紧急程度散点，以及逐条期待详情，可用于梳理核心诉求、比较不同期待的热度与紧迫性，并辅助写需求摘要、整理政策目标或汇总用户反馈。适用于产品评价与服务反馈，也适用于政策文本和调研材料中的期待挖掘。

对中文文本逐句进行多维度隐含情感分析，识别阴阳怪气、过度捧杀、隐含负面等字面之外的真实态度。结果页展示平均正负面情感、阴阳怪气程度、隐含负面程度等总体统计和正负面情感分布统计表，以及每句话含正面情感、阴阳怪气、表达意图一致性、过度捧杀、赞美真实性、情感类别（10类）、情感强度、情感复杂度、隐含负面、分析置信度等维度的明细表，支持导出CSV。适合社交媒体舆情中识别反讽和隐性攻击，也适合消费者评论中发现表面好评下的真实不满。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文，推荐使用强力清洗后的文本文件。

用于把缺少标点、句子堆叠的文本还原成结构清楚的句子，判断哪里该断句、哪里该补上中文标点。还原后的句子列表、总句数、平均长度和长短句分布，可用于快速检查文本结构是否清晰，整理爬虫、转写或抓取材料，并为后续摘要、筛句、情感或主题分析准备更稳定的输入。适用于网页抓取文本整理，也适用于评论、论坛和口述转写材料的结构修复。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文，推荐使用强力清洗后的文本文件。