主题
共现语义网络
看见词语之间的隐形联系。
共现语义网络通过统计词语在文本中共同出现的频率，构建词语之间的关联关系。 它把词汇关系转化为可视化网络结构：每个词是一个节点，连线的粗细代表共现次数， 节点大小代表它连接了多少其他词。
适用场景
在研究中，它能回答这几类问题：
- 词语之间有什么关系？哪些概念总是被一起提及？
- 哪些词处于整个知识网络的核心位置？
- 词语之间是否存在明显的群体划分（社区）？
不适合：
操作步骤
| 步骤 | 要做什么 | 产出 |
|---|---|---|
| 1. 上传 | 上传语料 | 语料 |
| 2. 词表设置 | 确认停用词、自定义词、同义词 | 词表配置 |
| 3. 词频结果 | 先跑一遍词频统计（共现的前置） | 词频表 |
| 4. 筛选词 | 从词频结果中选出要纳入网络的词 | 词表（支持 AI 辅助推荐） |
| 5. 共现分析 | 构建共现矩阵与语义网络 | 共现矩阵 + 语义网络图 |
| 6. 左右搭配 | 查看指定词左右相邻的搭配词 | 搭配词表 |
| 7. AI 解读 | 生成学术化结果描述 | 可写入论文的段落 |
第 4 步决定网络的样子
共现网络的可读性几乎完全由纳入哪些词决定。词太多会糊成一团，太少则看不到结构。 建议从词频结果里选 30–100 个与研究问题最相关的词，AI 辅助推荐可以给出起点。
结果说明
可视化（支持拖拽、缩放、调整）：
| 图 | 说明 |
|---|---|
| 语义网络图 | 节点为词，连线为共现关系 |
| 社区聚类 | Louvain 算法自动分组，揭示词语的社区结构 |
网络指标：
| 层面 | 指标 |
|---|---|
| 网络层面 | 节点数、边数、平均聚类系数、网络密度、直径 |
| 节点层面 | 度中心度、特征向量中心度、接近度中心度、中间中心度 |
节点层面的四个中心度各测一种「重要性」：度中心度看连接数量， 特征向量中心度看连接对象的重要性，接近度中心度看到其他节点的距离， 中间中心度看是否处于关键路径上。论文里引用时需要说明用的是哪一个。
计费方式
| 步骤 | 计费 |
|---|---|
| 上传、词表设置 | 免费 |
| AI 词表推荐 | 按次固定积分 |
| 词频结果（前置） | 按文本字符数阶梯计费（起步价低于独立词频流程） |
| 筛选词确认 | 免费 |
| 共现矩阵与网络构建 | 按文本字符数阶梯计费（起步价较高，是核心计算步骤） |
| 左右搭配 | 按文本字符数阶梯计费 |
| AI 解读 | 按次固定积分 |
具体积分以产品内价目表为准。