中文词云分析
方法概述
中文词云分析（Chinese Word Cloud）是一种根据词语频次或频率，将文本关键词以不同大小、颜色、布局可视化展示的文本挖掘方法。词云图通过词语的字号大小直观反映词频高低，帮助用户快速把握文本的核心内容与热点词汇。
本工具提供丰富的自定义样式能力：
- 支持词语、频次、频率三列词频数据。
- 多种形状：圆形、心形、菱形、三角形、五角星、椭圆形。
- 多种字体（微软雅黑、宋体、黑体、楷体、Arial、Times New Roman）与颜色方案（随机深色/亮色、色系、彩虹、热力、冷色调等）。
- 支持自定义形状：上传 PNG/JPG 图片作为词云轮廓（蒙版）。
- 支持自定义颜色序列与背景颜色。
- 支持词语旋转角度、间距、最小/最大旋转角等精细布局设置。
- 可对词频数据设置最小频次阈值、最大词语数量与排除词语。
方法原理
词云（Word Cloud / Tag Cloud）是一种以词语字号大小和位置布局来可视化词频的技术，其核心在于将词频信息映射为图形属性：
1. 词频到字号的映射
设词语 \(w_i\) 的词频为 \(c_i\)，其在词云中的字号 \(s_i\) 由词频线性或对数映射得到：
\[ s_i = s_{\min} + (s_{\max} - s_{\min}) \times \frac{\log(c_i) - \log(c_{\min})}{\log(c_{\max}) - \log(c_{\min})} \]
采用对数变换可避免个别超高词频支配整体字号分布，使中频词也能清晰呈现。字号越大，表示词频越高、越受关注。
2. 布局算法
词语按字号从大到小依次放置：采用螺旋扫描（从中心向外、绕中心按阿基米德螺旋搜索空位）结合碰撞检测，将每个词语放置在不与已放置词语重叠且尽量靠近中心的位置，从而形成聚拢、紧凑的云状布局。
3. 颜色与形状
词语颜色按所选颜色方案（随机、色系、彩虹、热力等）分配；自定义形状通过将蒙版图片转化为可放置区域，使词语仅填充在图片轮廓范围内。
4. 过滤与展示
按最小频次阈值、最大词语数量过滤低频词，设置排除词语去除噪音，最终生成交互式 HTML 词云图。
使用流程
在平台左侧菜单选择“中文文本分析 → 中文词云分析”，点击“开始智算”进入工具界面：
Step 1 数据准备
- 数据为词频数据：第一列词语、第二列频次、第三列频率（可选）。
- CSV/Excel 文件：上述三列；TXT 文件：每行“词语 频次 频率”（空格或制表符分隔）。
- 文件大小不超过 10MB。
Step 2 绘图设置
- 设置词云图宽高（默认 800×600 px）。
- 选择形状、显示数据类型（频次或频率）、字体、颜色方案、背景颜色、词语旋转角度。
- 高级样式：词语间距、最小/最大旋转角度；可选自定义颜色序列（逗号分隔的颜色代码）。
Step 3 高级设置
- 数据过滤：最小频次阈值、最大词语数量。
- 自定义形状：上传形状图片（PNG/JPG）并勾选“使用自定义形状”。
- 排除词语：输入需排除的词语（每行一个）。
Step 4 生成预览
点击“生成词云图”按钮，实时预览词云效果。
Step 5 结果下载
下载 HTML 格式词云图与处理后的词频数据。
参数说明
| 参数 | 默认值 | 说明 |
|---|---|---|
| 词云图宽度/高度 | 800 × 600 px | 图像尺寸（400-2000 / 300-2000） |
| 词云图形状 | 圆形 | 圆形、心形、菱形、三角形、五角星、椭圆形 |
| 显示数据类型 | 频次 | 按频次或频率决定字号放大比例 |
| 文字字体 | 微软雅黑 | 可选宋体、黑体、楷体、Arial、Times New Roman |
| 颜色方案 | 随机深色 | 含随机亮色、红/蓝/绿/紫系、彩虹、热力、冷色调 |
| 背景颜色 | 白色(#FFFFFF) | 通过取色器自定义 |
| 词语旋转角度 | 0.1 | 词语允许旋转的比例 |
| 词语间距 | 8 | 相邻词语间距（1-20） |
| 最小/最大旋转角度 | -45 / 45 | 词语旋转角范围 |
| 自定义颜色序列 | — | 逗号分隔的颜色代码，如 #FF6B6B,#4ECDC4,… |
| 最小频次阈值 | 1 | 低于该频次的词语不显示 |
| 最大词语数量 | 200 | 词云中最多显示的词语数（50-1000） |
| 自定义形状 | 关 | 上传蒙版图片并按形状生成词云 |
案例分析
案例背景：基于某手机品牌 1000 条用户评论的分词词频表，生成词云展示用户关注热点。
- 数据：CSV（词语、频次），“屏幕,1256”、“电池,1086”、“拍照,922”、“系统,815”等。
- 参数：圆形、随机深色、微软雅黑、最大词语 150、最小频次 20。
分析结果描述：词云图中“屏幕、电池、拍照、系统”字号最大、最为醒目，位于图形中心；“续航、充电、手感、外观、价格”等次之。字号大小与词频正相关，高频词以较大字号呈现。
结论：词云直观呈现了用户对该品牌手机最关注的功能维度，产品团队可据此确定重点改进方向。更换为“五角星”形状或上传品牌 Logo 蒙版后，可将词云二次用于图文宣传素材。
常见问题
Q1: 词云中字体大小代表什么？
A: 字号与词频（或所选频率）成正相关，词频越高字号越大、越突出，用于快速识别核心关键词。
Q2: 词云中出现了大量无意义词怎么办？
A: 可在“排除词语”中录入“的、了、在”等停用词，或先通过“中文文本分词”工具过滤停用词与词性后再生成词频表。
Q3: 如何让词云更美观？
A: 可尝试：选择心形/五角星等形状、上传蒙版图片、搭配互补色系（彩虹色/热力图）、调整旋转角与间距、自定义颜色序列。
Q4: 为什么自定义形状没有生效？
A: 请确认已上传 PNG/JPG 图片，并勾选“使用自定义形状”复选框；部分过暗或透明度过低的图片会影响轮廓识别，建议使用轮廓清晰的黑白图片。
Q5: 支持中文显示吗？
A: 支持。请选择正确的中文字体（如微软雅黑、宋体、黑体、楷体），若浏览器显示方框“口”，说明所选字体在系统中不可用，应切换其他中文字体。
平台功能
- 数据输入：支持 CSV、Excel、TXT 词频数据，文件大小限制 10MB。
- 绘图设置：尺寸、形状、数据类型、字体、颜色方案、背景色、旋转角、间距、自定义颜色序列。
- 高级设置：频次阈值、最大词语数、自定义蒙版形状、排除词语。
- 结果展示：大型词云图实时预览（HTML 交互式）。
- 结果导出：下载 HTML 格式词云图与处理后的词频数据。
- AI 智能分析：基于 DeepSeek 大模型对词云结果进行自动解读（每日限 3 次）。
使用建议
数据来源：词云质量取决于词频表质量，建议先使用“中文文本分词”工具去停用词、按词性过滤后导出词频表，再生成词云。
参数选择：报告/论文配图建议选择规则形状与简洁色系（随机深色或单色系）；宣传素材可选心形、五角星或定制蒙版，突出视觉冲击力。
噪音控制：设置合理的“最小频次阈值”与“最大词语数量”，并在“排除词语”中剔除与主题无关的高频词，使重点词更突出。
字体检查：正式发布前在不同设备/浏览器预览确认中文字体显示正常，避免乱码或方框。
多方案对比：对同一组数据可生成多种形状与配色方案，对比后选择最能传达信息的一个，用于论文插图或演示汇报。
平台界面
平台界面包含：词频数据上传区、绘图设置区（形状、字体、颜色）、高级设置、词云实时预览及 AI 分析模块
参考文献：
Viegas, F. B., & Wattenberg, M. (2008). Tag Clouds and the Case for Vernacular Visualization. Interactions.
Kaser, O., & Lemire, D. (2007). Tag-Cloud Drawing: Algorithms for Cloud Visualization.