简单文本聚类

把一批评论、开放题或短文本按内容相似性分成若干组,给出每组的规模、占比、代表关键词和示例文本,并附三项聚类质量指标供判断分组是否合理。

分类数可以手动指定,也可以交给程序比较各候选分类数的轮廓系数(衡量同组是否紧凑、不同组是否分得开的指标)后自动选定,实际分组数至少为 2。比较文本的方式可选按词频权重,适合短评论和问卷开放题;或按词向量,适合成段的长文本。

加载文件上传组件中...

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

每 10,000 个字符 2 点

简单文本聚类常见问题

简单文本聚类怎么用?
不用安装软件,也不用写代码。
简单文本聚类怎么计费?
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
  • 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。
  • KWIC关键词上下文索引把关键词的每次出现按左右语境对齐排列,并统计命中次数、密度与同行共现。
  • 关键词命中矩阵以段落为行、关键词为列统计命中次数,看概念在材料中的分布与共现。