文本矩阵分析

把材料切成一个个文档段,分词后统计每个词在每段出现多少次,构成文档—词条矩阵(行是文档段、列是词、格子里是出现次数),再用 TF-IDF(衡量一个词在某段频繁、在其他段落少见的程度)加权,挑出 10 到 50 个最有区分度的词。

挑出的词给出总出现次数、出现在多少个文档段、覆盖率和重要度,并统计任意两个词在同一段一起出现的次数,每一对都附上出现它们的原文段落,可回原文核对这种关联是否成立。可以指定重点关注词,让它们即使频次不高也保留;也可以加载自定义词典和停用词表,或把同一概念的不同写法合并成一种再计数。

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

这个选择只影响报告里的阅读顺序和下一步建议,不改变分词、矩阵或共现计算。

填入的词会在分析中优先保留,即使词频不高也不会被自动筛选掉。最多 20 个。

每 10,000 个字符 2 点

文本矩阵分析常见问题

文本矩阵分析怎么用?
不用安装软件,也不用写代码。
文本矩阵分析怎么计费?
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
  • 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。
  • 语料检索在一批文档里按查询找出最相关的整篇、段落或句子,关键词与语义两路打分,并高亮命中原文。
  • 相似句查找按语义找出意思相近的句子对,并把互相相似的句子归成一组。
  • 立场分析识别中文文本里的各方主体与表态原句,判定态度类别与影响力,并梳理彼此的冲突与合作关系。