文档词项矩阵
把多篇文档放在一张表里比较用词：从整批材料中取总频次最高的若干个词，以词为行、文档为列，记录每个词在每篇文档中的实际出现次数。至少需要两篇文档才能提交。
同时给出每个词覆盖了多少比例的文档、平均每篇出现多少次，每篇文档的 TF-IDF（在本篇常用、在别篇少见的程度）特征词，以及文档两两之间的余弦相似度（用词分布方向上的接近程度）。
加载文件上传组件中...
已识别 0 / 500 个词
一行一个词，也可写成 词 词频 词性（空格分隔）；逗号、顿号、分号或换行分隔均可。
字典帮助：可使用 搜狗细胞词库 下载你需要的字典 SCEL 文件，并使用辅助工具中的 【搜狗输入法词库 SCEL 转 TXT 字典工具】 转为 txt 后，用上方的导入按钮加入
分词工具碰到不认识的新词常会拆开，比如把“乡村振兴”拆成“乡村”和“振兴”。打开后，会先把你文本里的这类词找出来加进词典，分词时就不容易拆散了。仅支持中文文本。每 10,000 字 5 点。
已识别 0 / 500 个词
系统会自动构建“文档 × 词汇”矩阵，X 轴为文档，Y 轴为词汇。可视化矩阵与下载文件均会基于该数量进行展示。
与【高频词】和【文本矩阵】的区别
高频词： 仅统计语料整体的词频排行榜，无法区分不同文档的差异。
文本矩阵： 以 TF-IDF（本文常用、别处少用的程度）等权重构建词语的重要性矩阵，更关注词语权重而非绝对频次。
文档-词频矩阵： 针对每篇文档逐一统计词频，生成可下载的 Doc-Term Matrix（每篇文档的词频表），便于横向对比。
每 10,000 个字符 2 点
文档词项矩阵常见问题
- 文档词项矩阵适合处理什么材料？
- 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。
- 文档词项矩阵会得到什么结果？
- 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。
- 文档词项矩阵怎么用？
- 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《文档词项矩阵：横向比较多篇材料用词》。
- 文档词项矩阵怎么计费？
- 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。
在论文里引用文档词项矩阵： 查看引用格式