智能发现新词

先对中文文本分词,再逐段检查相邻的两三个词是否应当合并成一个词,找出被切碎的专业术语、地名、人名和机构名,汇总成一份去重后的新词表。

默认不收形容词、副词和网络流行语,这三类可以分别开启。填写已知词表后,表内已有的词不再作为新词输出。

加载文件上传组件中...
已识别 0 / 500 个词

这些词视为已知词,不会出现在新词结果里。

每 10,000 个字符 5 点

智能发现新词常见问题

网络流行语会收进来吗?
默认不收形容词、副词和网络流行语,这三类可以分别开启。
已经知道的词怎么排除?
填写已知词表后,表内已有的词不再作为新词输出。
智能发现新词怎么用?
不用安装软件,也不用写代码。
智能发现新词怎么计费?
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。
相关工具
  • 命名实体识别找出文本里的人名、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。
  • 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。
  • 事件时间线抽取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。
  • 因果关系推断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。
  • 抽取式摘要(TextRank / LexRank 双引擎)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。
  • 写作风格判定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。