话语标记词分析

检索文中的话语标记词(所以、然而、此外、总之这类显示句子之间逻辑关系的衔接词),按因果、转折、递进、列举、举例、总结、让步、澄清八类归并,统计每类用了多少次、分别用的是哪些词。

每一处命中都记下所在段落和前后文,并区分句首出现(领起整句)与句中出现(连接句内成分);按段落先后统计各类标记词的疏密变化,并给出每段平均命中数。内置中英文标记词表,八类可按需启用,也可自行补充标记词或排除不想统计的词。多份文件一起提交时,各文件的类别占比并排对照。

加载文件上传组件中...

自动模式按文中中英文字符占比判断;中英混排建议手动指定。

仅勾选的类别参与统计;其余类别的标记词会被忽略。

每 1 段聚合一次

1 = 每段独立统计(曲线最细但抖动大);3-5 = 适合短文档;超长材料可拉到 10。

中文扩展示例

一行一类:类别英文小写 + 冒号 + 多个词用逗号隔开。下列模板已覆盖全部 8 类,你可改词、加词或复制一行改成自己的领域用语。

英文扩展示例

与中文相同书写规则;英文词在句中按【单词边界】匹配,多词短语请保持中间空格。下列模板同样覆盖全部 8 类,便于你对照扩展。

类别名(小写英文)可用:因果(cause)、转折(contrast)、递进(addition)、列举(enumeration)、举例(example)、总结(summary)、让步(concession)、澄清(clarification)。 冒号后用逗号 / 顿号 / 分号 / 竖线分隔多个词。以 # 开头的行会被忽略,可写备忘。

每 10,000 个字符 2 点

话语标记词分析常见问题

话语标记词分析适合处理什么材料?
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。
话语标记词分析会得到什么结果?
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。
话语标记词分析怎么用?
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《话语标记词分析完整教程:从衔接理论与八类标记词,到句首句中与段落分布,再到多文件对比》。
话语标记词分析怎么计费?
按文字量计费,每满 10000 字 2 点,不足 10000 字按 2 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。

在论文里引用话语标记词分析: 查看引用格式

同类工具

  • Mia通用快速情感判断逐条判断中文短文本是夸、是骂还是说不上夸骂,并统计整批比例。
  • 高级情感分析逐条判定情感倾向,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。
  • AIGC内容检测排查中文材料的 AIGC 写作痕迹,逐段逐句给出风险值、主要原因和修改方向。
  • AI味写作痕迹检测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。
  • 知识图谱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。
  • 停用词挖掘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。