中文文本分析、语料处理与主题建模在线工具

清理文本里的标点符号、表情、网页标签和自定停用词，并可把长文切成等长片段。

统计文本的规模、句长、词汇丰富度与重复率，给出 0～100 分，并判断能否用于聚类、主题模型等分析。

统一中文材料里的繁简、引号、全半角和省略号写法，可把数字改写成中文，并整篇注音。

标出每个词的语法类别，统计词性分布与相邻词性的搭配概率，并与六类参考语料比较写法偏向。

用 TF-IDF 与 TextRank 两种方法各提一份关键词并交叉对照，标出两者都认可的核心词。

统计词频，并可同时统计两到四个词组成的固定说法，标出哪些提法在多份材料里反复出现。

找出文本里的人名、地名、机构名和时间，并用规则与语义两种口径并排给出结果供核对。

把句长、句型、词性、标点和人称等写作习惯量化成指标，并比较多篇材料的风格接近程度。

找出反复一起出现的词组合，用互信息、T 值和对数似然比判断这种搭配有多稳定。

逐句标出每个词依附哪个词、构成什么关系，并按依存树深度和句长给句子打复杂度评分。

把材料切成文档段做词频与 TF-IDF 加权，挑出最有区分度的词，并统计它们两两同段共现的次数。

用两套情感词典各给每行文本打一次分并判定积极、中性、消极，再比对两者的分歧。

逐行判断文本的情感倾向，给出积极、中性、消极分类、情感得分和情感关键词。

把整份材料当作一篇文章提取核心短语，按综合得分排序并保留原文次数与位置。

按内容相似性把一批文本分成若干组，给出每组的关键词、规模和示例文本。

把关键词的每次出现按左右语境对齐排列，并统计命中次数、密度与同行共现。

以段落为行、关键词为列统计命中次数，看概念在材料中的分布与共现。

以词为行、文档为列统计每个词在各篇中的出现次数，比较多篇材料的用词。

在不改动文字和断句的前提下，修正中文文本里写法不统一或用错的标点。

估算中英文材料的阅读门槛，给出可读性综合分、近似阅读年级和难易句样本。

按语义找出意思相近的句子对，并把互相相似的句子归成一组。

逐词对照中英文官方分级词表判定等级，给出整体等级、超纲词和未分级词清单。

从原文中挑出最有代表性的句子拼成摘要，只摘录不改写，并保留原文行号。

批量识别并替换文本里的身份证号、手机号、银行卡号等固定格式个人信息，输出脱敏后的文本。

把多份材料合并成同一批文档训练经典 LDA，输出主题词、文档主题分布与困惑度、一致性。

把 Word、Excel、PPT、PDF 等上百种文档转换为 PDF、Word、Excel、CSV 等常用格式。

把 Word、PDF、PPT、Excel 等文档的文字转写为 Markdown 和 TXT 文本，表格另存为 CSV。

把中文或英文录音转写成带标点的文字，也可按说话人整理成带时间的对话稿。

把 JSON 数据转换为 CSV 表格，每个对象一行、每个字段一列，可展开嵌套字段。

把 TXT 文本按行转为 CSV 表格，并在所选的句号、问号、叹号或空格处分成多列。

识别图片和 PDF 中的文字、公式与表格，整理成 Markdown、HTML 和纯文本文档。

从视频中提取声音，导出为 MP3 格式的音频文件。

把图片批量缩放到指定的宽度，高度按原图比例计算，也可以直接指定宽和高。

从 PDF 中取出指定起止页码之间的页面，另存为新的 PDF 文件。

中英文档互译，按原文件格式输出；PDF 可保留原版式，也可动态重排为单栏阅读版。

按学术论文或党政机关公文格式统一文档的标题、正文、页码和表格样式，默认不改动文字。

视频字幕与翻译配音

把音频或视频里的人声和背景声拆开，得到人声与背景两条音轨。

根据歌词和曲风生成歌曲音频，也可单独生成 ABC 乐谱。

逐条判定情感倾向，给出摘自原文的证据词和整句判定逻辑，并归纳消极文本的主要原因。

排查中文材料的 AIGC 写作痕迹，逐段逐句给出风险值、主要原因和修改方向。

查找中文文本里常见于大模型写作的句式与标点习惯，给出 0–100 的 AI 写作痕迹指数。

从材料中抽取实体与关系生成知识图谱，合并同义说法，并归出主题群与一份提纲。

按词在各段落的分布挖出本领域特有的高频低信息词，给出可直接取用的停用词候选表。

给标点缺失的中文文本补上标点并断句，不增删词语、不调换词序。

把文本切成片段按语义聚成主题，给出主题名、关键词与主题关系，并可合并拆分主题重出一版。

对每个文件分别做 LDA 主题建模，输出主题词、主题标签和每段文本的主题归属。

逐行判定情感极性，并给出效价、唤醒度、支配度三个维度的分值与证据词。

把文本切成片段作为样本，按词语取值做主成分分析，输出方差解释、词语载荷与片段得分。

把材料切成片段后按相似度聚成主题簇，给出每簇的关键词、簇名、占比与代表片段。

把材料切段后提取少数潜在主题，给出主题词、每段的主导主题和方差贡献。

找出被分词切碎的术语与专名等组合词，汇总成一份去重后的新词表。

在设定的主题数范围内逐档拟合 LDA，按困惑度和主题一致性等指标给出建议的主题数。

逐段计算信息熵、词汇密度等指标并合成综合得分，分出高价值与低价值段落。

按语义比较每条文本，找出意思相近的文本对并归成重复组，另可给出改写嫌疑分。

统计词对在设定窗口内的共现，用七项关联强度指标区分固定搭配和偶然同现，也可只看指定节点词周围的搭配。

把意思高度接近的内容归成一组，每组保留一条代表文本、其余标为并入，给出可核对的合并方案。

一次算出 TTR、MTLD 等九项词汇丰富度指标，并沿文本位置画出用词重复程度的变化。

对表格的数值列做主成分分析，输出特征值、载荷、样本得分与综合排名，另出论文三线表。

从同领域语料里抽出反复出现的多词术语，按 C-value、NC-value 打分并附出现次数与原文用例。

按表格的数值列把样本分成若干类，给出每个样本的归属、各类画像和区分度最高的指标。

对比目标语料与参考语料的词频，找出目标里说得明显更多和明显更少的词，并给出三项关键性指标。

把带日期的表按日、周或月汇总成时间序列，给出移动平均、环比同比、峰谷与异常波动时点。

在一批文档里按查询找出最相关的整篇、段落或句子，关键词与语义两路打分，并高亮命中原文。

按累计词数拟合词汇增长曲线与词频分布，给出用词开放度 β、分布陡峭度 s 和拟合优度 R²。

逐句做依存句法分析，再把全语料的句法关系、词性骨架、动词论元或修饰搭配归类统计，找出反复出现的句法模式。

按因果、转折、递进等八类统计文中衔接词的用量、句首句中位置和沿段落的疏密变化。

抽取四十来项文体统计特征，据此给出八个维度的风格打分、文体归属候选、风格标签与改进建议。

把长文本切成连续片段逐段判断情绪，画出从头到尾的情绪走势曲线，标出高低点、转折与所属的经典情绪弧。

删减中文文本中的冗余表达，改写口语表述，生成简化后的文本。

比较不同组别或配对测量的数值结果，进行差异显著性检验。

对两个分类变量生成交叉表（统计各类别组合），自动选择卡方或 Fisher 检验（判断关联），并输出 p 值与关联强度。

整理问卷字段（清理常见格式问题），按研究目标梳理字段角色、量表候选与后续分析建议。

按题型统计问卷作答数据，汇总选项分布、评分均值与开放题高频词。

自动识别问卷变量（判断数据类型），输出均值、频数、占比、缺失率和论文叙述句。

将访谈音频转为对话稿（标记说话人与时间），并提取编码标签和核心主题。

计算多个数值变量的相关系数（衡量关系方向与强弱），输出 p 值、热力图和散点图。

对访谈文本或音频进行三级编码（开放码、主轴码、核心主题），输出主题与语段摘录。

检查数据表的缺失、重复、写法不统一和离群值，给出综合得分，并列出能直接做的表格分析。

逐列计算表格数据的均值、中位数、频数与占比，并画出取值分布和箱线图。

把表格里的数值变量整理成论文用的描述性统计表。

比较处理组与对照组在政策前后的变化之差，估计政策的净影响。

把量表题项归成几个因子，给出载荷矩阵和适切性检验。

缩尾、取对数、滞后、标准化和虚拟变量，输出加工后的表。

估计 X 经 M 影响 Y 的间接效应，给出 Bootstrap 置信区间。

估计 X 对 Y 的影响如何随 M 变化，给出交互项和简单斜率。

按实证论文的顺序，从描述统计做到基准回归、稳健性和机制检验，生成三线表和 Word 报告。

用七种回归模型估计变量的影响，生成论文里多列并排的回归表。

识别图片中的主体、场景和物体，为每张图给出若干英文分类标签及置信度。

按输入或自动识别的物体名称分割图片中的每个对象，生成检测、实例分割、语义分割标注图和单个对象抠图。

判断图片属于远景、全景、中景、特写还是大特写，并统计整批图片的景别分布。

分割图像中的物体和背景，标注区域类别并区分同类物体的不同个体。

按填写的英文类别分割图片中的区域和物体，生成按类别着色的分割图，统计各类别的数量与面积占比。

提取图片的主色调及各颜色占比，或按人眼观感给出色相分布、色彩感受评分与配色风格归类。

按英文描述找出图片中所有符合的物体，逐个分割并编号，生成标注图和每个物体的透明底抠图。

从场景、物体、动作等六组预设英文标签中，为每张图片挑出相符的标签，并给出置信度。

根据参考图写出中文或英文的文生图提示词，可改写成壁纸构图或重新构图，并可整理成 LoRA 训练数据集。

去除图片中的水印、文字、人物或背景中的路人，补全被遮住的背景。

把尺寸偏小的图片放大 2 至 4 倍并补出纹理细节，生成高清大图。

描摹图片中的色块轮廓，将 JPG、PNG 等位图转换为可下载的 SVG 矢量图

找出图片里的人与物体，判断它们的互动和空间关系，并跨图统计最常见的关系组合。

从中文文本中抽取原文明确写出的因果关系，归并成因素并连成因果图，标明类型、支撑次数与重要性。

识别中文文本里的各方主体与表态原句，判定态度类别与影响力，并梳理彼此的冲突与合作关系。

从评论、反馈与意见文本中提炼期待内容，归入七类期待，并给出情感倾向、紧急程度与关键词。

逐条判断中文评论与回复是否阴阳怪气、过度捧杀，并给出正负面程度、情感强度与十类主导情感。

从中文材料中抽取何时发生了什么事，推算日期、合并重复记录，整理成带阶段划分与关键事件的时间线。

逐句标注中文文本中的比喻、排比、反问等十类修辞手法，统计各类次数、占比与每千字密度。

从议论文、评论等文本中摘出论点、论据、反例与让步，标出相互关系并画出论证关系图。