关于 TATOOLS

我们做什么

研究者把新闻、政策文件、访谈记录、评论或文学作品整批上传，TATOOLS 逐条统计和建模，把结果做成带图表和结论说明的报告。 基础工具管统计：清洗、分词、词频、关键词、情感、人名地名机构名、共现、摘要、可读性。 高级工具管发现：主题归纳、趋势变化、两批语料对比、知识图谱、相似去重、新词发现、写作风格判定。 图片和录音材料也能处理。

服务对象是没有编程背景但要处理大量中文文本的人：文学、语言学、社会学、传播学、公共管理、城乡规划和旅游研究的师生， 政策研究人员，新闻从业者，以及需要标准化文本处理流程的分析人员。

结果为什么可信

• 报告里的数字、图表和结论附统计口径与原文出处，可以翻回原文核对。
• 每份分析报告末尾有方法说明，涉及统计模型或已发表理论的报告列出参考文献。
• 容易出分歧的任务同时给两套口径：命名实体识别并排给出规则识别与语义识别，传统情感分析用两套词典各打一次分并列出分歧句，由人来判断。
• 检测类工具只给可复核的证据句和修改方向，不给认定结论。

方法与模型来源

工具建立在公开发表、研究界通行的方法之上：LDA 与 BERTopic 主题模型，TF-IDF 与 TextRank 关键词抽取， 互信息、T 值和对数似然比的搭配强度，对数似然比、卡方和对数比值的语料对比，Flesch 等可读性公式， 大连理工情绪词典等情感词典。每个工具页的常见问题和报告末尾的方法说明写明用了哪一种。

中文情感判断模型 Mia 由 TATOOLS 训练并以 Apache-2.0 协议开源，权重发布在 HuggingFace 和 ModelScope， 站内对应工具是 Mia 通用快速情感判断。

数据怎么处理

• 上传的原始文件在处理完成 48 小时后彻底删除，之后只保留分析结果供你查看报告。
• 提交的数据和产出不用于训练任何模型。
• 账户之间相互隔离，你的材料和报告只有你自己能看到。
• 不发送营销邮件，只有任务完成、账户安全这类事务性通知。

完整条款见 用户隐私政策。

在论文里引用

GB/T 7714、APA 和 BibTeX 三种格式，以及方法部分的写法，见 论文引用格式。 每个工具页底部的常见问题也有直达该工具引用格式的链接。

联系我们

建议、问题和合作都通过微信公众号 TATOOLS 联系，团队在公众号内回复；也可以在站内点 建议与反馈。

微信扫码，或搜索公众号：TATOOLS

备案信息：京ICP备2020042889号-2，渝公网安备50010302505500号。