DeepKeyword 深度学习模型关键词发现
把整份材料当作一篇文章提取核心短语，按综合得分排序输出关键词清单。得分综合短语在原文中的出现次数、首次出现位置、短语长度和候选来源计算，只用于同一批材料内部的相对排序，不同材料之间不可比。
每条关键词保留在原文中的出现次数与起止位置，可以回到原句核对。长文先切成语义窗口分段抽取，再合并去重排序。自定义词典中的词作为完整概念识别，不会在抽取中被切碎。
每个文件按一整篇文章处理
上传的文件会整篇一起抽取关键词，不会逐行分析。材料是一行一条评论或短句时，请拆成多个文件上传，否则只能得到整份文件的关键词。
加载文件上传组件中...
控制关键词数量、短语边界和长文本窗口；结果报告会显示得分、原文次数、位置与可信度依据。
500 个字符
200500
30 个
10100
1 个字符
宽松严格
10 个字符
550
已识别 0 / 500 个词
一行一词，也可写成【词 词频 词性】。填写后这些词作为完整概念识别，不会被切碎。
已识别 0 / 500 个词
填写后这些词不会出现在关键词结果里。系统停用词始终生效。
每 10,000 个字符 5 点
DeepKeyword 深度学习模型关键词发现常见问题
- DeepKeyword 深度学习模型关键词发现适合处理什么材料？
- 中文文本材料，例如新闻报道、政策文件、访谈记录、评论和文学作品，上传文本文件后即可分析。
- DeepKeyword 深度学习模型关键词发现会得到什么结果？
- 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。
- DeepKeyword 深度学习模型关键词发现怎么用？
- 上传材料、确认设置、点提交，任务完成后在工作台打开报告。不用安装软件，也不用写代码。详细步骤见教程《DeepKeyword关键词发现教程：用综合排序筛选核心短语》。
- DeepKeyword 深度学习模型关键词发现怎么计费？
- 按文字量计费，每满 10000 字 5 点，不足 10000 字按 5 点算。提交前页面会显示本次消耗。
- 结果可以写进论文吗？
- 可以。报告里的数字和图表附有统计口径与原文出处，末尾有方法说明，涉及统计模型的报告还列出参考文献，可以作为论文附件或方法依据。
在论文里引用DeepKeyword 深度学习模型关键词发现： 查看引用格式