语料对比关键词分析
把你想分析的目标语料和一份用作对照的参考语料放在一起比词频，找出目标里说得明显更多的词，和说得明显更少的词。参考语料可以上传文件，也可以直接粘贴整段文本。
每个词按它在两份语料里的出现次数、两份语料各自的总词数构成四格表，同时算出三项关键性指标：Log-likelihood（对数似然比，差异的证据有多强）、Chi-square（卡方，同样衡量差异是否显著）、Log-ratio（对数比值，两边频率相差多少倍）。前两项偏向高频词，第三项更突出倍数差异。每个词附两份语料的出现次数、每百万词频次、期望频次和 p 值，说得更多与说得更少两份词表分开输出。只有在目标语料里出现过的词才参与比较，参考语料独有的词不在结果里。目标语料中的最低出现次数、各取多少词可自行设定，也可按词性筛选、过滤停用词、把同一个词的不同写法合并后再统计。
支持一篇或多篇 txt / csv，自动按句切词后统计词频。
上传 txt 文件，或直接把整段参考文本贴到下方文本框；不需要任何额外的内置词频表。
建议提供 至少 5 万个字符 的参考语料，才有足够的统计稳健性；越大越好。
点击后会自动切换到【直接输入参考文本】模式，并把示例文本填入文本框，可在此基础上修改。
默认同时计算并展示三种关键性统计量： Log-likelihood（两份语料用词差异的显著程度，Dunning 1993，主流首选）、 Chi-square（卡方检验）、 Log-ratio（两份语料频率相差的倍数，Hardie 2014）。 LL 与 χ² 偏向高频词；log-ratio 更突出"差异倍数"。 报告里三种统计量会分别给出 Top N（排名前 N 个）条形图，详情表也支持按任一统计量排序。
过滤"在目标里只出现 1-2 次"的词，避免低频噪声。短文本可调到 2-3，长文本建议 5-10。
报告分别保留 N 个过度代表词 + N 个不足代表词。
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。
强烈建议开启：否则关键词排行的最前列大概率会被【的、是、和、了、the、of、a】这类高频功能词淹没。 目标语料与参考语料会同步使用这套停用词，保证 keyness（目标语料里词的突出程度）统计前后一致。
系统停用词与自定义停用词会取并集。
每 10,000 个字符 2 点
语料对比关键词分析常见问题
- 语料对比关键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。
- 语料对比关键词分析会得到什么结果？
- 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。
- 参考语料怎么准备？
- 可以上传文件，也可以直接粘贴整段文本。只有在目标语料里出现过的词才参与比较。
- 三项指标看哪一个？
- 对数似然比和卡方衡量差异的证据有多强，偏向高频词；对数比值衡量两边频率相差多少倍，更突出倍数差异。
- 语料对比关键词分析怎么用？
- 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《语料对比关键词分析完整教程：从四格表与期望频次，到对数似然比、卡方和对数比值，再到参考语料的选择》。
- 语料对比关键词分析怎么计费？
- 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。
在论文里引用语料对比关键词分析： 查看引用格式