使用教程
学习如何使用各项功能，快速上手
文本分析基础教程主题模型LDALDA 主题模型完整教程：从生成过程与狄利克雷先验，到自动定主题数和三种向量化方式
三十份城市更新办法，一个省各地市的国土空间规划，怎样看清它们反复在讲哪几类事情？这篇教程从 LDA 的生成过程讲起，说明一段话怎样被看成几个主题按比例混合写成，α 和 β 两个狄利克雷先验分别管什么，模型又怎样用变分贝叶斯从词语共现里估出主题。接着讲 TATOOLS 怎样把每个文件切成片段、筛出进入模型的词，自动定主题数时怎样先排除退化主题再比较一致性，以及词袋、语义向量和 Word2Vec 三种向量化方式各自怎样建立词和词的关系。后半部分逐项讲报告，从主题标签和代表性原文，到占比与平均权重的区别，再到一致性、PMI 和困惑度这几项指标各量什么，每一项都配公式和可以手算的例子。最后给出论文方法部分的写法示例。
文本分析基础教程情感分析开源模型Mia 开源情感分析：逐条看出是夸、是骂，还是说不上夸骂
Mia 是 TATOOLS 训练并开源的中文情感模型，逐条判断每句话是在夸、在骂，还是说不上夸骂。这篇教程介绍它公开了哪些内容和公开测试成绩，讲清每条得到的三个数、把握和整批比例的分母，并用公开实例演示任务页设置与报告阅读。
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、主题板块与追问系统
下篇讲怎样在图上得出结论：密度、平均度、聚类系数、连通分量、路径长度与直径的公式与读法，三种中心性与 Freeman 中心势，Leiden 社区发现与模块度，推理链与实体速查，深度分析卡与自动文字，追问系统的三层索引与一次提问的四步，以及版本、导出与论文写法。
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）：从文本到可回溯证据的关系网络
上篇讲一张知识图谱怎样从文本中建立起来：三元组为什么是分析单位，本体与五种抽取框架怎样定义研究视角，两阶段抽取与上下文窗口怎样工作，证据锚定怎样让结果可审计，实体消解与谓词归一怎样归并，有向多重图与无向简单图两种口径怎样换算，结构角色与置信度从何而来，多份材料怎样合成一张图，以及基础报告与导出表格怎样读。
文本分析基础教程敏感信息脱敏个人信息敏感信息脱敏：批量替换固定格式的个人信息
以虚构电话、邮箱和测试 IP 为例，介绍脱敏类型与占位符设置，核对已完成报告中的替换文本，并说明命中明细仍保留原值。
文本分析基础教程抽取式摘要TextRank抽取式摘要：用 TextRank 和 LexRank 从原文选句
以虚构社区图书馆短文为例，展示抽取式摘要的长度设置、双算法选句、原文高亮与重合度的读法；附真实任务页和报告截图。
文本分析基础教程词汇等级HSK词汇等级评估：看整篇难度，也找出词表外的词
以虚构社区图书馆短文的实测报告为例，讲解 HSK 词表选择、整体等级的 90% 累计口径、词表覆盖率与未分级词的区别，并展示任务页和报告页。
文本分析基础教程逐行情感情感分布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。
文本分析基础教程文本质量评估语料预处理文本质量评估器：从字符构成到任务适用性，给语料做一次全面体检
你手头有一份文本，想拿去做主题建模或者情感分析，但不确定质量够不够。符号太多会不会让分词崩？重复行太多会不会让主题模型全是噪声？文本质量评估器帮你回答这些问题。它用纯统计方法（不调用大模型）从字符构成、词汇丰富度、重复率、句长分布、信息熵等多个维度给文本做一次量化体检，输出一份 0-100 的综合得分和六种 NLP 任务的适用性判定。
文本分析基础教程关键词抽取文本分析关键词抽取工具使用教程：TF-IDF 和 TextRank 双算法交叉验证，提取文本核心关键词
一篇文章里哪些词最能代表它的主题？单靠一种算法可能会有偏差。关键词抽取同时运行 TF-IDF 和 TextRank 两种方法，TF-IDF 看稀有度，TextRank 看关联强度，再自动计算排名相关系数，帮你在交叉验证中找到最可靠的关键词。
文本分析基础教程词性标注语法分析词性标注工具使用教程：统计词类分布，分析文本语法特征
文本中的名词、动词、形容词比例，会影响我们对文体风格的判断。词性标注会把每个词归入语法类别，再汇总为分布统计、相邻词性转移矩阵和基准语料对比。中文文本同时跑两套标注引擎，结果可以相互参照，帮助发现分词路径和语法角色判断上的差异；英文走句法级路径，标签集更贴近跨语言语法体系。
文本分析基础教程文本规范化文本清洗中文文本规范化工具使用教程：繁简转换、标点统一、数字转正文、拼音转写
不同来源的中文文本，繁简体、标点符号、数字写法经常不一致。人工阅读时不太显眼，但做排版发布或者文本分析时会出问题——同一个词在简体和繁体里变成了两个词条，词频统计就散了。中文文本规范化帮你把这些不一致统一起来，处理方式是无损替换，一个字都不会丢。和文本清洗不同，规范化是"改写"，清洗是"删减"，建议先规范化再清洗。
文本清洗文本分析基础教程语料预处理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。
文本分析基础教程情感分析情绪弧线全文情感曲线完整教程：从效价与唤醒度，到分段打分、曲线平滑与转折点，再到六种经典情绪弧
一部长篇小说的情绪在哪里跌到谷底，又在哪里回升？这篇教程从 Russell 的效价与唤醒度和 Plutchik 的基本情绪讲起，说明 TATOOLS 的【全文情感曲线】怎样把长文本按章节和自然段切成连续片段，逐段判断情绪并摘录原文证据，在起落剧烈处拆回段落重判。文中手算片段长度、相邻片段的分差、PELT 变点检测的惩罚与切分，以及曲线和先抑后扬模板的相关系数 0.99，讲清离散余弦变换平滑和六种经典情绪弧。最后讲报告的阅读顺序和论文方法部分的写法。
文本分析基础教程文本简化访谈转写中文文本简化完整教程：从冗余与口语特征，到整理切段、逐段简化与数字核对，再到原文对照
访谈转写稿满篇口头语和重复，怎样整理成精炼的书面文字？这篇教程从口语不流畅现象讲起，说明 TATOOLS 的【中文文本简化】怎样先整理空白和被硬换行断开的句子，给缺标点的长行补标点，再按行或按空行切段，逐段交给中文文本简化模型删去口头语、重复和多余修饰。文中用一句访谈转写演示简化比例 50% 的算法，用一个例子讲清数字核对怎样找出简化后丢掉的数字，并讲清对照表各栏怎样读。最后讲简化版本怎样用于通读和编码，引用原话时为什么要回到原文。
共 59 篇教程，第 1 / 4 页