文档词频权重统计工具教程

文档词频权重统计工具用于批量分析文本文件的词频分布，页面支持词频统计、TF-IDF、BM25 和关键词密度等结果。你可以导入文本文件、粘贴单篇文本或载入示例数据，再设置分词、权重、过滤和排序参数。

可批量 浏览器执行 有软件版

文档词频权重统计工具

批量分析文本文档的词频分布，支持TF-IDF和BM25权重计算

开始使用

文档处理 595

主要功能

1. 多种文本输入：支持 TXT、TEXT、MD、CSV、SRT、LOG 文件，也可以切换到“粘贴文本”按单文档语料分析。
2. 中文分词设置：提供“自动组合词（推荐）”“连续中文短语”“单字与组合词”等切词方式，可设置词长下限和中文组合词长度。
3. 多种权重算法：词频统计查看总次数和文档覆盖数，TF-IDF 评估词在语料中的区分度，BM25 加入文档长度校正，关键词密度输出词频占比和覆盖率。
4. 过滤与排序：可以设置展示结果数量、默认排序、停用词过滤、数字保留和英文大小写区分。
5. 自定义词库与报告：自定义保留词、停用词均按每行一个词填写，并可选择输出单文档报告。

使用前准备

• 准备需要分析的 TXT、TEXT、MD、CSV、SRT 或 LOG 文本文件；也可以不准备文件，直接使用“粘贴文本”或“示例数据”。
• 先确认需要分析的语料范围，再决定是否启用 TF-IDF、BM25、关键词密度和停用词过滤。
• 页面提示文件内容会在浏览器中读取和分析；本教程只说明界面操作，不上传文件、不填写测试数据。

操作步骤

1. 选择文本来源并添加内容

在“1 选择文本”页先选择“TXT 文件”“粘贴文本”或“示例数据”。使用文件时，在“添加文本文件”区域点击“选择文件”，或按页面提示拖拽文件到添加区域。确认文档数和估算大小后，点击“下一步：设置参数”。

2. 设置分词、权重和过滤参数

在“2 设置参数”页，先配置中文切词方式、词长下限和组合词长度，再勾选需要的权重算法。BM25 可填写 K1 饱和参数和 B 长度归一参数；在“过滤与排序”中设置结果数量、默认排序、停用词、数字、英文大小写和单文档报告。需要固定行业词时，在自定义保留词或停用词文本框中每行填写一个词。

3. 确认任务并开始分析

进入“3 开始分析”页后，先查看“确认任务”区域和处理进度区域。页面会在准备好文本后提供“开始分析并下一步”按钮，开始后可根据进度提示等待页面进入结果步骤。本教程保留真实的“待开始分析”和 0% 状态，没有执行分析操作。

4. 查看结果并保留设置

分析完成后进入“4 下载结果”页，结果区域会替换当前的提示文本并提供页面实际的查看或下载入口。当前截图显示的是尚未分析时的真实提示“还没有分析结果”，因此不要把它当作已生成的结果。需要重新处理另一组文本时，使用“继续分析新文本”；需要保留当前参数时，使用“保存设置”。

主要参数说明

结果查看与保存

页面说明分析完成后会进入结果步骤。结果表可用于搜索关键词并查看词频、权重、覆盖率等数据，还可下载当前 CSV 结果；批量文件可下载 ZIP，单文档报告会按原文件名导出，重名文件会自动添加数字区分。具体入口以结果页实际显示的按钮为准。

“保存设置”用于保留常用的分词、算法和过滤参数；“继续分析新文本”用于回到输入流程并处理新的文本内容。教程截图没有伪造结果，也没有点击会触发处理或下载的按钮。

常见问题与使用建议