[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"cms-guide-article:guan-jian-ci-chou-qu-gong-ju-shi-yong-jiao-cheng-tf-idf-he-textrank-shuang-suan-fa-jiao-cha-yan-zheng-ti-qu-wen-ben-he-xin-guan-jian-ci":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":41,"createdAt":42,"updatedAt":42},"6a2539fdf98a56c7bb098492","6804358a59ddd2c7c898172e","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","\u003Cp>关键词抽取做的事情是：从文本中自动找出最重要的词或短语，按权重排序。\u003C\u002Fp>\u003Cp>系统同时跑两种算法，各有侧重。\u003C\u002Fp>\u003Col>\u003Cli>TF-IDF 看的是\"稀有但重要\"。一个词在当前文本里出现得多，在其他文本里出现得少，它的 TF-IDF 权重就高。简单说，这个词对你这篇文档特别有代表性。\u003C\u002Fli>\u003Cli>TextRank 看的是\"上下文互相支撑\"。它把文本里的词当作图里的节点，两个词经常一起出现就连一条边，最终通过图排序算出哪些词和更多词产生共现关系。和更多词关联紧密的词权重更高。\u003C\u002Fli>\u003C\u002Fol>\u003Cp>两种算法跑完后，系统自动做三件事：一是统计共有关键词和各自独有词，二是计算 Spearman 排名相关系数衡量两种方法的一致性，三是把差值最大的词标出来。相关系数高说明两种方法认同度高，结果可信；差值大的词值得重点关注，可能是某种算法捕捉到的独特信号。\u003C\u002Fp>\u003Cp>报告页还包含词云、权重柱状图、跨文件对比表、噪声词过滤面板、密度诊断和主题聚类等多个分析模块，帮你从不同角度看关键词。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>适用文档\u003C\u002Fh2>\u003Cp>目前支持两种输入格式。\u003C\u002Fp>\u003Col>\u003Cli>TXT 文件。按全文处理，一个文件算一个整体。编码建议用 UTF-8，其他编码出现乱码可以先转一下。\u003C\u002Fli>\u003Cli>CSV 文件。按行处理，每一行独立提取关键词。自动识别文本列，非文本列原样保留。需要带表头。\u003C\u002Fli>\u003C\u002Fol>\u003Cp>中文和英文都支持，系统会自动识别语言。中英混排也可以处理，中文部分和英文部分分别用对应的分词策略。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>适用情景\u003C\u002Fh2>\u003Col>\u003Cli>竞品内容分析。把竞品文章批量上传，提取关键词后对比共享词和独有词，找到差异化关键词做内容策略。\u003C\u002Fli>\u003Cli>学术文献综述。从论文摘要或全文中提取学科术语，用跨文件对比功能识别高频共现术语和各篇独有术语。\u003C\u002Fli>\u003Cli>用户评论挖掘。从电商评论、问卷开放题中提取功能点和痛点关键词，密度诊断帮你判断哪些词被反复提及。\u003C\u002Fli>\u003Cli>政策文本分析。从政策文件中提炼核心概念和关键表述，主题聚类会把语义相近的关键词自动分组。\u003C\u002Fli>\u003Cli>SEO 内容优化。提取目标页面的关键词权重分布，检查关键词密度是否在合理范围，避免堆砌或不足。\u003C\u002Fli>\u003C\u002Fol>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>使用步骤\u003C\u002Fh2>\u003Cp>第一步：上传文件。你可以上传一个或多个 TXT 或 CSV 文件，系统逐个处理。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F3a769700e5093728176a7331b05e1fd1.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第二步：配置参数。上传后页面显示参数配置区域，默认提取 20 个关键词。你可以调整提取数量、上传自定义词典和停用词表、开启词性筛选等，具体含义在下一节展开。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002Ff3726eb55eed13421ec769fdd2615706.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第三步：查看报告。提交后系统自动处理，完成后跳转到报告页。报告从上到下依次是：数据解读卡片、TF-IDF 结果区、TextRank 结果区、两种方法的对比区。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F7d131cd253200fc2561f8ea4eb01a786.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F3add791ce57dde4033d12e6d6184ce8c.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F999d825959db1a54dabc0458883eabd9.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F141f3dc1c01649f88323c90e8e23a3a0.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第四步：筛选与导出。在噪声词过滤面板勾选要排除的词，词云和柱状图会实时更新。点击柱状图可以查看关键词在原文中的上下文片段。筛选完成后可以导出精简词表。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Flatte-api-uploader.oss-cn-chengdu.aliyuncs.com\u002Fanna\u002Fadmin-cms\u002Fdraft\u002F2b25f9c34068aa08dc6e5d2239a51480.png\" alt=\"\" data-href=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第五步：下载结果。点击下载拿到每种方法的 CSV 结果文件，包含关键词、权重和总分。\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\">提取数量\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">每种方法提取的关键词数量，范围 5-100\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">20\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">自定义词典\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">上传词典文件，每行一个词，帮助分词工具识别专有名词和领域术语\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">未上传\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">自定义停用词表\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">上传停用词文件，每行一个词，提取前自动过滤这些词\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">未上传\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词性筛选\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">开启后排除指定词性类别，默认保留名词、动词、形容词等实义词\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">关闭\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">排除词性\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">勾选要排除的词性类别（需先开启词性筛选）\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">无\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">语言\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">文本主要语言，影响分词策略\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">中文\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">智能新词发现\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">自动发现语料中的新词，补充分词词典\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">关闭\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>三组典型配置供参考。\u003C\u002Fh2>\u003Col>\u003Cli>快速提取。保持默认配置，提取数量 20，其他参数不动。适合初次使用，快速看结果。处理速度快。\u003C\u002Fli>\u003Cli>术语强化提取。上传自定义词典，包含领域专业术语。适合医学、法律、IT 等专业文档，能减少术语被错误切分的情况。提取数量建议设为 30-50。\u003C\u002Fli>\u003Cli>精细筛选提取。开启词性筛选，排除介词、连词、助词等功能词，同时上传自定义停用词表。适合需要纯净实义关键词的场景。结果更聚焦，但可能漏掉一些有分析价值的虚词搭配。\u003C\u002Fli>\u003C\u002Fol>\u003Cp>提取数量设得越多，覆盖越全但噪声也越多。一般来说 20-30 适合快速浏览，50 以上适合深度分析。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>案例分析\u003C\u002Fh2>\u003Cp>案例一：竞品文章关键词对比。\u003C\u002Fp>\u003Cp>背景：某内容团队收集了 5 篇竞品公众号文章，想找出差异化关键词做选题参考。\u003Cbr>配置：提取数量 30，其他参数默认。\u003Cbr>结果：5 篇文件共检出 87 个不重复关键词。TF-IDF 和 TextRank 共有关键词 23 个，排名相关系数处于中等一致性水平。跨文件对比表显示共享词 12 个（如\"用户\"\"内容\"\"平台\"），各篇独有词 5-8 个不等。团队重点关注 TextRank 独有的关键词，发现\"留存\"\"转化\"\"裂变\"这类运营词在 TextRank 中权重更高，说明它们在原文中和其他词的共现关系更紧密。\u003C\u002Fp>\u003Cp>结论：两种方法的分歧关键词往往是价值所在。TF-IDF 捕捉稀有但有代表性的词，TextRank 捕捉上下文关联紧密的词，交叉参考后选题方向更全面。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>案例二：用户评论痛点挖掘。\u003C\u002Fp>\u003Cp>背景：某产品团队收集了 200 条用户评论（CSV 格式，每行一条评论），想了解用户最关心的功能点和痛点。\u003C\u002Fp>\u003Cp>配置：提取数量 50，开启智能新词发现，自定义停用词表包含\"一个\"\"这个\"\"那个\"等口语化填充词。\u003C\u002Fp>\u003Cp>结果：每行评论独立提取关键词后汇总。密度诊断显示\"卡顿\"\"闪退\"\"加载\"三个词的密度超过 5%，属于高频堆砌词，反映了用户最集中的痛点。主题聚类把关键词分成 5 组：性能相关（卡顿、加载、闪退）、功能相关（搜索、筛选、收藏）、界面相关（布局、字体、颜色）、价格相关（优惠、折扣、会员）、服务相关（客服、退款、投诉）。\u003C\u002Fp>\u003Cp>结论：密度诊断帮你快速定位高频问题词，主题聚类帮你把散乱的关键词归类成可操作的问题域。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ch2>类似功能对比\u003C\u002Fh2>\u003Cp>关键词抽取和高频词提取、词性标注都跟\"词\"有关，但做的事情不一样。\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\">关键词抽取\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">高频词提取\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词性标注\u003C\u002Fth>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">做什么\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">用算法提取最重要的词\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">按出现次数统计最常见的词\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">给每个词标语法类别\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">关注点\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词的重要程度和代表性\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词的出现频率\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">语法结构和词性分布\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">考虑上下文\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">是（TextRank 基于共现关系）\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">否（纯频次统计）\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">否（只关注词性）\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">输出\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">关键词列表 + 权重排序\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词频表 + 频次排序\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词性分布 + 转移矩阵\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\">主题分析、标签生成、SEO\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">词频统计、语料概览\u003C\u002Ftd>\u003Ctd colSpan=\"1\" rowSpan=\"1\" width=\"auto\">语法研究、风格分析\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Cp>高频词提取只看出现次数，\"的\"\"了\"\"是\"这类虚词如果没过滤掉会排在最前面。关键词抽取通过 TF-IDF 和 TextRank 算法过滤掉了这类常见词，结果更接近文本的核心主题。词性标注可以和关键词抽取组合使用：先标注词性，再按名词、动词等类别筛选后做关键词抽取，结果更聚焦。\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\u002F951fedc2c5d4ad704878fee5d743fbfa.png","guan-jian-ci-chou-qu-gong-ju-shi-yong-jiao-cheng-tf-idf-he-textrank-shuang-suan-fa-jiao-cha-yan-zheng-ti-qu-wen-ben-he-xin-guan-jian-ci","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。","extract-keywords",[21,26,31,36],{"taskType":22,"name":23,"shortDesp":24,"_id":25},"keyword-hit-stats","KWIC关键词命中矩阵","把同义词合并成概念组，统计每个主题在哪些文档里被密集讨论——和 KWIC 互补，看的是「分布」而非「用法」。","6a2539fdf98a56c7bb098493",{"taskType":27,"name":28,"shortDesp":29,"_id":30},"kwic-concordance","KWIC关键词上下文索引","列出每个关键词在原文里的左右上下文，纵向对齐看它的用法、搭配与出现位置。","6a2539fdf98a56c7bb098494",{"taskType":32,"name":33,"shortDesp":34,"_id":35},"word-co-occurrence","词语共现分析","找出文本里经常成对出现的词，并用多项统计指标判断这种搭配是否真的稳定。","6a2539fdf98a56c7bb098495",{"taskType":37,"name":38,"shortDesp":39,"_id":40},"bertopic","BERTopic 主题聚类","基于语义聚类重建文本主题结构，自动生成抽象标签并解析主题间距离与层级关系。","6a2539fdf98a56c7bb098496",true,"2026-06-07T09:29:33.876Z"]