[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"cms-guide-article:ci-yu-gong-xian-fen-xi-gong-ju-shi-yong-jiao-cheng-yong-tong-ji-zhi-biao-pan-duan-ci-dui-da-pei-shi-fou-ke-kao":3},{"article":4},{"id":5,"userId":6,"title":7,"content":8,"type":9,"lang":10,"index":11,"category":12,"tags":13,"coverImages":15,"slug":17,"summary":18,"associatedTaskType":19,"nextSteps":20,"isPublic":36,"createdAt":37,"updatedAt":37},"6a2cc703d997a5f0270d666c","6804358a59ddd2c7c898172e","词语共现分析工具使用教程：用统计指标判断词对搭配是否可靠","\u003Cp>词语共现分析做的事情是：在文本中设定一个滑动窗口（左右各 2～15 词），扫描窗口内哪些词反复一起出现，然后用统计方法判断这些共现是否可靠。\u003C\u002Fp>\u003Cp>处理过程可以理解成三步。\u003C\u002Fp>\u003Col>\u003Cli>先扫描共现。系统把文本切成词，在每个窗口范围内记录同时出现的词对。支持 2 词、3 词、4 词共现。窗口越大，捕捉的搭配范围越广，但也更容易引入噪音；窗口越小，搭配越精确，但可能遗漏距离稍远的关联。\u003C\u002Fli>\u003Cli>再计算指标。对每组词对同时给出三种判断：互信息看共现频率是否远超随机水平，T 值看搭配是否具备统计显著性，对数似然比看搭配在文本中有多稳定。三种指标各有侧重，综合判断比单看一个更稳。\u003C\u002Fli>\u003Cli>最后分组聚类。系统按关联强度把搭配分成极强、紧密、一般等层级，并生成搭配网络图，用节点大小和连线粗细展示核心词对的连接结构。\u003C\u002Fli>\u003C\u002Fol>\u003Cp>报告还会标记两个词谁在前、谁在后。这一点很重要：「研究」在「方法」前面和「方法」在「研究」前面，语义方向不同，不能混为一谈。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>适用文档\u003C\u002Fh2>\u003Cp>舆情与新闻报道很适合用词语共现分析。当一批报道涉及同一事件或同一主体时，不同媒体的措辞差异往往体现在搭配结构上：消费者报道里「质量」和「投诉」共现，品牌通稿里「质量」和「认证」共现。搭配网络图可以把两套话语结构清晰分开。\u003C\u002Fp>\u003Cp>学术文献与访谈记录适合。研究者在做文献综述或访谈编码时，经常需要判断几个概念之间是否存在语义关联。共现分析可以提供量化依据：共现次数高且三项指标都显著的词对，关联更可靠；只有一项指标偏高的词对，可能需要更多材料验证。\u003C\u002Fp>\u003Cp>知识图谱与主题网络的前期准备适合。搭建知识图谱时，实体之间的关系需要从文本中提取。词语共现分析可以作为第一步筛选，把稳定可靠的词对挑出来，再做进一步的关系分类。\u003C\u002Fp>\u003Cp>政策文本与行业报告适合。政策文件中「监管」和「合规」的搭配频率、行业报告中「增长」和「驱动」的搭配结构，可以反映文件的论述重点和话语倾向。\u003C\u002Fp>\u003Cp>文本质量方面，文本越长、越完整，共现统计越稳定。很短的片段（几百字以内）会让共现次数偏低，三项指标容易失真。网页导航、脚注、重复模板和乱码会引入虚假共现，通常先清理正文再分析更稳。\u003C\u002Fp>\u003Cp>语言方面，中文和英文都能处理，但需要先分词。中文分词质量直接影响共现结果，专有名词如果被拆开，会产生不存在的词对。正式分析前，可以先检查分词结果是否合理。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>使用步骤\u003C\u002Fh2>\u003Cp>第一步：先明确你要回答的问题。舆情分析通常问「不同来源的搭配结构有什么差异」；访谈研究通常问「这几个概念之间有没有稳定的语义关联」；知识图谱准备通常问「哪些词对值得进一步做关系分类」。问题不同，后面看的指标和配置也不同。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F7aed97b986e576fd4dcff21a2b1b0756.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第二步：设置窗口大小。窗口决定多远距离内的共现会被捕捉。2～5 词适合捕捉紧密搭配（如「数据分析」「深度学习」）；8～15 词适合捕捉更松散的话题关联（如「气候变化」和「极端天气」在一句话里出现）。初次使用建议从 5 词开始，再根据结果调整。\u003C\u002Fp>\u003Cp>第三步：选择共现词数。2 词共现最常见，适合找简单的词对关系。3 词和 4 词共现适合找更复杂的搭配模式，但数据量会更大，结果也需要更多材料支撑。\u003C\u002Fp>\u003Cp>第四步：阅读词对搭配表。搭配表列出每组词对的共现次数、互信息值、T 值、对数似然比和前后位置关系。先按共现次数排序，看哪些词对出现最频繁；再按互信息或 T 值排序，看哪些搭配最稳定。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002Fcffa0ec581d833a04f0d9cc601c1aa8f.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第五步：查看分组聚类。系统按关联强度把搭配分成极强、紧密、一般等层级。极强搭配通常是核心术语或固定表达，紧密搭配反映稳定的语义关联，一般搭配可能是偶然共现或需要更多材料验证。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F09d4b191aea4d047ef4d4c7b28062532.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第六步：查看搭配网络图。网络图用节点大小表示共现频率，连线粗细表示关联强度。节点密集的区域通常是文本的核心话题，孤立节点可能是边缘概念或噪音。多文件对比时，可以分别生成网络图，比较不同来源的搭配结构差异。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F002a3339826d493729a62aef4ca21452.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>参数解析与对比示例\u003C\u002Fh2>\u003Cp>可配置参数如下。\u003C\u002Fp>\u003Ctable style=\"width: auto;\">\u003Ctbody>\u003Ctr>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">参数\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">说明\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">默认值\u003C\u002Fth>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">窗口大小\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">共现扫描的左右词数范围，2～15 词\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">5\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">共现词数\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">每组搭配包含的词数，支持 2、3、4 词\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">2\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">最低共现次数\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">过滤掉出现次数过少的词对，减少噪音\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">3\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">排序方式\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">按共现次数、互信息、T 值或对数似然比排序\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">共现次数\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>四组典型配置供参考。\u003C\u002Fp>\u003Col>\u003Cli>舆情话语分析。窗口设 5～8，共现词数 2，最低共现次数 3。重点看搭配网络图和跨文件对比，比较不同来源的搭配结构差异。\u003C\u002Fli>\u003Cli>访谈概念关联。窗口设 3～5，共现词数 2，最低共现次数 2。重点看互信息和 T 值，筛选出统计显著的词对。\u003C\u002Fli>\u003Cli>知识图谱准备。窗口设 5，共现词数 2，最低共现次数 5。重点看分组聚类中的极强和紧密搭配，作为实体关系的候选。\u003C\u002Fli>\u003Cli>复杂搭配模式。窗口设 5～8，共现词数 3 或 4，最低共现次数 2。适合找多词搭配结构，但需要更大语料量支撑。\u003C\u002Fli>\u003C\u002Fol>\u003Cp>三种指标的含义需要特别注意。互信息衡量共现频率相对随机水平的偏离程度，值越高说明搭配越不可能是碰巧；T 值衡量搭配的统计显著性，受共现次数影响较大，高频词对的 T 值更容易偏高；对数似然比衡量搭配的稳定性，对低频词对更敏感。三项指标综合判断比单看一个更稳，尤其在共现次数不多时，互信息和对数似然比可以补充 T 值的不足。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>案例分析\u003C\u002Fh2>\u003Cp>案例一：舆情话语结构对比。\u003C\u002Fp>\u003Cp>背景：一个舆情分析团队需要梳理某品牌在 30 篇新闻报道中的话语口径。消费者投诉类报道和品牌官方通稿都在讨论「质量」，但读感不同。\u003C\u002Fp>\u003Cp>配置：窗口设 5，共现词数 2，最低共现次数 3。\u003C\u002Fp>\u003Cp>结果：搭配表显示消费者报道中「质量」和「投诉」「问题」频繁共现，互信息值偏高；品牌通稿中「质量」更多和「认证」「标准」搭配。搭配网络图把两套话语结构清晰分开，两个网络几乎不重叠。\u003C\u002Fp>\u003Cp>结论：消费者关注的是质量问题本身，品牌在强调合规背书。团队据此判断两套口径差异明显，舆情应对需要分别制定策略。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>案例二：访谈概念关联验证。\u003C\u002Fp>\u003Cp>背景：一个社会学研究者分析 20 篇访谈记录，想确认「社区」「参与」「信任」三个概念之间是否存在稳定的语义关联，用于指导编码方案。\u003C\u002Fp>\u003Cp>配置：窗口设 3，共现词数 2，最低共现次数 2。\u003C\u002Fp>\u003Cp>结果：搭配表显示「社区」和「参与」共现次数高、T 值显著，属于紧密搭配；「社区」和「信任」共现次数中等，但对数似然比偏低，搭配不够稳定；「参与」和「信任」共现很少，三项指标都不显著。\u003C\u002Fp>\u003Cp>结论：「社区参与」可以作为核心类目，「社区信任」需要更多材料验证，不能把三者默认为等价关联。研究者据此调整了编码方案，优先编码「社区参与」相关内容。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>案例三：政策文本论述重点提取。\u003C\u002Fp>\u003Cp>背景：一个研究团队分析 10 份行业监管政策文件，想了解不同文件的论述重点和话语倾向。\u003C\u002Fp>\u003Cp>配置：窗口设 8，共现词数 2，最低共现次数 5。\u003C\u002Fp>\u003Cp>结果：分组聚类显示「监管」和「合规」「风险」构成极强搭配群，「创新」和「发展」「技术」构成另一个搭配群。跨文件对比显示早期文件以「监管」搭配群为主，近期文件「创新」搭配群的共现强度明显上升。\u003C\u002Fp>\u003Cp>结论：政策话语从强调监管合规逐步转向鼓励创新发展。团队据此在研究报告中增加了政策演变的时间线分析。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>\u003C\u002Fh2>\u003Ch2>类似功能对比\u003C\u002Fh2>\u003Cp>词语共现分析、词语搭配强度分析、关键词抽取都和词语关系有关，但关注点不同。\u003C\u002Fp>\u003Ctable style=\"width: auto;\">\u003Ctbody>\u003Ctr>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">对比维度\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词语共现分析\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词语搭配强度分析\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">关键词抽取\u003C\u002Fth>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">做什么\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">扫描窗口内词对的共现关系，用三种指标判断搭配可靠性\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">衡量两个特定词之间的搭配强度\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">从文本中提取最重要的词\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">关注点\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词对之间的共现结构\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">特定词对的搭配程度\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">单个词的重要性\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">典型问题\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">哪些词经常一起出现、搭配是否可靠\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">这两个词搭配紧不紧\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">这篇文章的关键词是什么\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">输出\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词对搭配表、分组聚类、搭配网络图\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">搭配强度值和显著性\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">关键词列表和权重\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">典型场景\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">舆情话语分析、概念关联验证、知识图谱准备\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">特定词对的搭配程度判断\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">文章主题提取、标签生成\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Cp>如果你想看「哪些词经常一起出现」，用词语共现分析。如果你已经有两个词想确认「它们搭不搭配」，用词语搭配强度分析。如果你想知道「这篇文章讲什么」，用关键词抽取。三者可以连续使用：先用关键词抽取找到核心词，再用共现分析看搭配结构，最后对重点词对用搭配强度分析做精细判断。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>","admin_cms","zh-cn",0,"guide",[14],"文本分析基础教程",[16],"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002Fcover\u002Ffafae9ffc376439c61a91abd8a053a50.png","ci-yu-gong-xian-fen-xi-gong-ju-shi-yong-jiao-cheng-yong-tong-ji-zhi-biao-pan-duan-ci-dui-da-pei-shi-fou-ke-kao","词语共现分析适合回答「哪些词经常一起出现，这种搭配是否稳定」。做舆情分析时需要梳理话语口径，做访谈研究时需要提取概念关联，做知识图谱时需要准备搭配数据——这些场景的共同点是：不能只看单个词的频率，还要看词和词之间的关系。这个工具会在指定窗口范围内扫描词对，用三种统计指标判断搭配是否超出随机水平，帮你从文本里提取可靠的词语搭配结构。","word-co-occurrence",[21,26,31],{"taskType":22,"name":23,"shortDesp":24,"_id":25},"collocation","词语搭配强度分析","用关联强度指标筛出材料里稳定的词搭配，可指定中心词专门查它周围的典型搭配伙伴。","6a2cc703d997a5f0270d666d",{"taskType":27,"name":28,"shortDesp":29,"_id":30},"knowledge-extraction","知识图谱","从文本中自动抽取人物、机构、概念及其关系，生成可交互的知识图谱。","6a2cc703d997a5f0270d666e",{"taskType":32,"name":33,"shortDesp":34,"_id":35},"keyness-analysis","语料对比关键词分析","用 keyness 关键性统计对比两组语料，找出目标里反复强调的特征词与相对回避的话题。","6a2cc703d997a5f0270d666f",true,"2026-06-13T02:57:07.768Z"]