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。