简单文本聚类

一批评论、开放题或访谈片段往往包含多个议题，人工逐条归类既慢，也容易先入为主。分类数设得太少会把不同问题混在一起，设得太多又会产生只有一两条文本的小组。简单文本聚类先按内容相似性形成主题簇，再把结果交给用户复核。

核心能力是手动或自动选择分类数、短文本与长文本两种处理方式，以及三类聚类质量指标。自动模式比较候选分类数的轮廓系数；手动分类数实际至少为 2，并受有效文本数量限制。用户还可移除完全重复文本，减少重复条目造成的偏斜。

预处理阶段支持自定义字典、停用词、智能词汇识别、分词模式和词性过滤。材料中的专有名词未被保留时，主题关键词可能偏泛；样本很少或文本极短时，指标和二维投影也容易波动，因此参数调整应与原文检查配合。

报告展示聚类数量、三类质量指标、各类别文本量、二维投影散点图、类间相似度热力图、各类关键词词云和逐簇详情。每个簇可查看规模、占比、关键词、示例文本、代表性片段、主题聚焦度和改进建议，便于决定是否调整分类数或重新整理材料。