文本计量

对文本做可量化的描述：哪些词出现得多、哪些词有区分度、情感倾向如何、词语之间怎么关联。

这四个流程经常被混用，其实各测一个不同维度：

流程	回答的问题	核心方法
词频统计	哪些词出现得最多？	词频计数
关键词统计	哪些词能区分两组文本？	TF-IDF
情感分析	文本的态度倾向是什么？	情感词典 / 深度学习模型
共现语义网络	哪些概念总一起出现？谁在中心？	共现矩阵 + 社区聚类

容易混淆的两组

词频 vs 关键词统计

• 词频看的是绝对频次。「发展」出现 5000 次，排第一——但它在所有文本里都高，说明不了什么。
• 关键词统计看的是区分度。A 组文本里高频、B 组文本里低频的词才会被选出来， 所以它必须指定比较对象（分组维度：时间 / 文件 / 文件夹）。

情感分析 vs 分维度情感分析

• 情感分析给出整篇/每句的倾向。
• 分维度情感分析先划分话题维度，再看不同话题下的情感差异—— 例如同一批评论，对「价格」的评价偏负、对「服务」的评价偏正。后者在主题分析模块下。

共同的起点

四个流程的第一步都是上传文档 + 词表设置：

• 上传支持按时间、文件、文件夹组织，这决定了后面能做哪些分组维度。
• 词表设置决定停用词、自定义词、同义词——这一步直接影响结果的解释力， 三个词表都支持 AI 推荐，但推荐结果需要人工确认。

计费方式

步骤	计费
上传、词表设置（含人工编辑）	免费
AI 推荐词表	按输入字数计费
统计分析（词频 / TF-IDF / 情感 / 共现矩阵）	按文本字符数阶梯计费
AI 解读（学术总结）	按次固定积分或按输入字数计费

只做设置不执行分析不产生费用，所以可以放心反复调整词表。

具体积分以产品内价目表为准。