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
Consultez les informations et actions de l’outil.
Consultez les articles et catégories.
Cet élément est affiché dans la langue actuelle.
使用说明
- 选择文件：点击选择按钮或直接拖拽TXT文本文件到上传区域
- 选择分析方法：
- 词频统计：统计每个词汇出现的次数（默认选项）
- TF-IDF权重：计算词汇的重要性权重
- BM25权重：使用BM25算法计算相关性得分
- 设置参数：
- 较小词长：过滤掉长度过短的词汇
- 显示数量：设置结果中显示的关键词数量
- 过滤选项：选择是否过滤停用词和标点符号
- 开始分析：点击"开始分析"按钮进行文本处理
- 查看结果：在结果表格中查看词频统计和权重计算结果
- 下载结果：点击下载按钮获取CSV格式的分析报告
常见问题
TF-IDF（词频-逆文档频率）是一种用于信息检索与数据挖掘的常用加权技术。它能够评估一个词对于一个文档集或语料库中某份文档的重要程度，数值越高表示该词越重要。
BM25是一种排序函数，用于评估查询词与文档的相关性。它是TF-IDF的改进版本，考虑了文档长度的影响，在信息检索领域被广泛应用，是搜索引擎的核心算法之一。
停用词是指在文本中频繁出现但对文本主题贡献较少的词汇，如"的"、"了"、"在"等。过滤停用词可以提高分析质量，突出真正有意义的关键词。
较小词长用于过滤过短的词汇。对于中文文本，建议设置为2，可以过滤掉单字词；对于英文文本，建议设置为3-4，可以过滤掉过短的单词。
词频表示词汇出现的次数；TF-IDF值越高表示该词在当前文档中越重要；BM25得分越高表示该词与查询的相关性越强。可以根据这些指标识别文档的关键主题。
目前仅支持TXT格式的纯文本文件。如果您有Word、PDF等格式的文档，请先将其转换为TXT格式再进行分析。
理论上没有数量限制，但受限于设备内存和性能。建议单次处理不超过100个文件，每个文件大小不超过10MB，以确保理想分析效果和稳定性。