文档词项矩阵：比较用词差异

整体词频只能说明一批材料反复出现哪些词，无法保留这些词在不同文档中的分布。文档词项矩阵把词汇作为行、文档作为列，单元格记录实际出现次数。TATOOLS据此生成词频热力图，让共同高频词和局部高频词处于同一比较框架。

矩阵默认选择总频次前20词，也可在5至60之间调整。分词模式、自定义字典、停用词和词性过滤会共同决定统计口径。页面同步展示整体、文档和词汇明细。

报告提供覆盖率、逐篇特征词、相似度矩阵和前5词趋势图。相似度根据所选词汇的词频向量计算，数值越接近1，用词分布越相似。

第一组实际运行包含3份治理简报，共25个有效词、13个去重词汇。选择前8词后，“治理”出现6次，“数据”出现4次，两者均覆盖全部文档。数字治理简报与城市服务简报的相似度为0.8783，生态治理简报保留了“生态”“绿色”等区分词。

第二组包含4份客户反馈，共19个有效词、11个去重词汇。“续航”“充电”“屏幕”各出现3次，覆盖率均为50%。反馈一与反馈三的相似度为0.7715；物流类反馈与其余材料在所选词频向量上的相似度为0。

绝对频次容易受篇幅影响，相似度也不代表语义等价。跨批次比较时应统一全部参数。

https://tatools.cn/tools/doc-term-matrix

#词频分析 #文本分析 #语料研究 #文档比较