PCA 主成分分析

把文本按固定词数切成前后重叠的片段,每个片段作为一个样本,以词语的 TF-IDF(本文常用、别处少用的程度)取值作为变量,做 PCA(主成分分析,把大量相关变量压缩成少数互不重叠的方向)。

输出每个主成分解释的方差比例、各词语在主成分上的载荷、每个片段的主成分得分与关键词,并按载荷正负两端的词给每个主成分拟一个可读名称,用来判断片段之间的差异主要由哪些词拉开。

加载文件上传组件中...

领域术语被切碎、虚词过多或常见词占据载荷图时,可填写自定义词典/停用词后重新分析。

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”。仅支持中文文本。每 10,000 个中文字 5 点。

查看词典
2
1000
5
0.95
100

每 10,000 个字符 2 点

PCA 主成分分析常见问题

PCA 主成分分析怎么用?
不用安装软件,也不用写代码。
PCA 主成分分析怎么计费?
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。
相关工具
  • 高级文本聚类按相似度把材料聚成主题簇,给出每簇的关键词、簇名、占比与代表片段。
  • 简单文本聚类按内容相似性把一批文本分成若干组,给出每组的关键词、规模和示例文本。
  • 词语共现分析找出反复一起出现的词组合,用互信息、T 值和对数似然比判断这种搭配有多稳定。
  • 词语搭配强度分析统计词对在设定窗口内的共现,用七项关联强度指标区分固定搭配和偶然同现,也可只看指定节点词周围的搭配。
  • 文本矩阵分析把材料切成文档段做词频与 TF-IDF 加权,挑出最有区分度的词,并统计它们两两同段共现的次数。
  • 文档词项矩阵以词为行、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。