高级文本聚类

按内容相似度把材料聚成若干主题簇,输出每簇的关键词、由关键词拼成的簇名、规模占比和代表片段,并给出聚类质量指标。

分类数可以自己指定,也可以用肘部法则、轮廓系数或间隔统计三种方法之一自动选定;另可改用按疏密自动成组的算法,不预先设定类数。开启参数敏感性对比后,会把分类数上下各调 1 再各聚一次,比较各簇的关键词是否随之改变。

加载文件上传组件中...

政策、教育、评论等材料如果包含专有名词,建议填写专业词表;若多个簇反复出现泛词,可填写停用词后重跑。

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

先选一个接近你材料用途的模板,系统会自动填入一组稳妥参数;仍可在下方继续微调。

需要保留参数、质量指标和敏感性说明。

5

每 10,000 个字符 2 点

高级文本聚类常见问题

分几类怎么定?
可以自己指定,也可以用肘部法则、轮廓系数或间隔统计三种方法之一自动选定;还可以改用按疏密自动成组的算法,不预先设定类数。
聚类结果稳不稳?
开启参数敏感性对比后,分类数上下各调 1 再各聚一次,比较各簇的关键词是否随之改变。
高级文本聚类怎么用?
不用安装软件,也不用写代码。
高级文本聚类怎么计费?
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
  • 高级LDA主题模型对每个文件分别做 LDA 主题建模,输出主题词、主题标签和每段文本的主题归属。
  • 经典LDA主题建模把多份材料合并成同一批文档训练经典 LDA,输出主题词、文档主题分布与困惑度、一致性。
  • BERTopic 主题聚类按语义把文本聚成主题,给出主题名、关键词与主题关系,并可合并拆分主题重出一版。
  • LDA主题数评估在设定的主题数范围内逐档拟合 LDA,按困惑度和主题一致性等指标给出建议的主题数。
  • LSA 潜在语义分析把材料切段后提取少数潜在主题,给出主题词、每段的主导主题和方差贡献。
  • 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。