使用教程
学习如何使用各项功能，快速上手
文本分析基础教程知识图谱网络分析知识图谱抽取教程（下）：网络指标、主题板块与追问核对
本教程区分知识图谱报告中的有向多重图与无向简单图，解释网络密度、中心性、中心势、主题板块、模块度和综合评分的计算范围，并说明自动文字、实体速查、材料追问、手动合并及导出结果怎样回到原文证据核对。
文本分析基础教程知识图谱实体关系抽取知识图谱抽取教程（上）：文本怎样变成实体、关系与证据
本教程说明知识图谱抽取怎样把合并文本转成实体、关系三元组与原文证据，逐项解释抽取框架、分块与批次窗口、同义合并、实体角色、结构置信度及基础报告口径，并划清抽取结果与对象事实之间的边界。
文本分析基础教程情感分析文本分类高级情感分析教程：从逐行极性到证据词复核
本教程以逐行文本为分析单位，讲解高级情感分析的输入清理、八种分析方向、类别绑定得分、证据词与否定和转折线索，并用 13 行实际结果说明统计分母、混合情感、反讽误判和报告复核边界。
文本分析基础教程主题模型LDA经典 LDA 实战：从材料预设到主题报告
以实际运行的 36 篇演示文档为例，讲解经典 LDA 如何从文档切分、词典过滤和概率分布生成主题报告，并说明主题规模、主题距离、文档概率、困惑度与一致性指标的正确解释边界。
文本清洗文本分析基础教程文本清洗工具使用教程：批量去除噪声、标点、停用词，输出干净语料
原始文本里经常混着 HTML 标签、多余标点、emoji、零宽字符这些东西。它们会干扰词频统计、主题建模、情感分析的结果。文本清洗帮你把这些噪声批量去掉，处理完得到干净文本和一份对照预览，方便你确认没有误删。
文本分析基础教程相似句查找：归拢措辞不同的同类表达
相似句查找用于从问卷、访谈、评论和文档中识别含义接近的句段。它比较整段表达的语义距离，再输出相似句段对、聚类、热力矩阵和聚类特征。结果用于缩小人工阅读范围，最终归类仍需结合来源和语境。
可读性指标怎么读？中文综合分与 7 种英文公式详解
“可读性”衡量的不是一篇文章写得好不好，而是读者理解它大概需要付出多少阅读成本。句子越长、生僻字或复杂词越多，通常阅读门槛越高；但专业性、准确性、逻辑性和内容价值，不能仅凭可读性分数判断。
文本分析基础教程文本可读性分析：估算阅读门槛
文本可读性分析用于估算中英文材料的阅读难度。中文结果结合规范汉字覆盖、句长、词长、生僻字和虚词密度，给出0–100综合分与近似阅读年级；英文结果采用七项常见公式。报告还能比较多篇材料，并列出最难5句和最易5句，帮助你找到需要优先检查的位置。
文本分析基础教程标点纠正：检查并统一中文文本标点
标点纠正用于检查已有标点的中文文本。它会结合片段上下文统一中英文标点，处理重复符号、配对问题、句末缺失和位置错误，再给出原文与改后对照。工具把修改范围集中在标点上，适合发布前校对，也能为按句统计和情感分析准备更规整的文本。
文档词项矩阵：横向比较多篇材料用词
文档词项矩阵用于保留词汇在不同文档中的分布。它先按统一口径识别每篇材料中的词，再从整批材料选出总频次靠前的词汇，以词为行、文档为列记录实际次数。报告提供词频热力图、相似度矩阵、趋势图、文档与词汇明细，并给出逐篇特征词，适合从整体差异逐步回到具体文档解释。
文本分析基础教程KWIC关键词命中矩阵：看清主题段落分布
KWIC关键词命中矩阵用于比较多组关键词在材料中的段落分布。它先把内容按空行切成段落，再统计每个段落对每个关键词的命中次数。用户既可以自动发现候选词和概念组，也可以按既定框架手动分组。报告提供概览、三种明细视角、段落命中矩阵、分组共现矩阵、热点单元和上下文样例，适合从整体覆盖逐步回到原文复核。
文本分析基础教程KWIC关键词上下文索引：从词频回到原文语境
KWIC关键词上下文索引用于定位关键词的每一次出现，并把左侧语境、关键词和右侧语境对齐展示。它不仅统计命中次数，还保留文档、行号和相对位置，进一步计算每千字密度、文档覆盖和同行共现。用户可以手动指定研究词，也可以先从自动高频词开始，再沿着报告中的概览、上下文表、位置分布和共现关系回到原文解释。
文本分析基础教程简单文本聚类教程：从自动分组到主题复核
简单文本聚类把内容相近的文本归到同一主题簇，用于在人工编码前快速观察材料结构。用户可以手动指定分类数，也可以让系统比较多个候选分类数后自动选择。报告不仅给出每条文本的分组，还提供三类质量指标、类别规模、二维投影、类间相似度、关键词、示例句和代表性片段。下面结合参数和实测数据说明如何阅读结果。
文本分析基础教程DeepKeyword关键词发现教程：用综合排序筛选核心短语
DeepKeyword关键词发现面向完整文章提取关键短语。它不把词频直接当作重要性，而是综合候选来源、原文命中次数、覆盖、出现位置和短语长度进行排序。报告同时保留综合得分、0 到 1 的可信度、原文次数和明细信息，方便从高分候选继续回到原文复核。本教程说明四项分析参数、报告阅读顺序和两组实际运行案例。
文本分析基础教程DeepSentiV2 情感分析教程：按语境判断整句倾向
DeepSentiV2 用整句语义而不是单个褒贬词判断情感。每条有效文本会得到积极、中性或消极标签、0 到 1 的得分，以及最多五个关键词。工具还提供七种行业文本类型，让同一句表达放回更贴近业务的语境中分析。下面从文本粒度、参数选择、报告阅读和两组实测样本说明具体用法。
共 27 篇教程，第 1 / 2 页