英文词云分析
方法概述
英文词云分析（English 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，帮助用户快速把握英文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：circle、cardioid、diamond、triangle、star、ellipse。
- 多种英文字体：Arial、Times New Roman、Helvetica、Verdana、Georgia、Courier New。
- 多种颜色方案：random-dark、random-light、reds、blues、greens、purples、rainbow、heat、viridis。
- 支持自定义形状（上传 PNG/JPG 图片作为蒙版轮廓）、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。
- 可设置最小频次阈值、最大词语数量与排除词语。
界面支持中英文双语切换。
方法原理
词云（Word 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，核心是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：
\[ s_i = s_{\min} + (s_{\max} - s_{\min}) \times \frac{\log(c_i) - \log(c_{\min})}{\log(c_{\max}) - \log(c_{\min})} \]
对数变换避免个别超高词频词支配整体字号分布，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、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，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（random-dark、rainbow、heat 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“英文文本分析 → 英文词云分析”，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。
- 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。
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 |
| 词云图形状 | circle | circle / cardioid / diamond / triangle / star / ellipse |
| 显示数据类型 | frequency | 按频次或频率决定字号比例 |
| 文字字体 | Arial | Arial、Times New Roman、Helvetica、Verdana、Georgia、Courier New |
| 颜色方案 | random-dark | 含 random-light、reds、blues、greens、purples、rainbow、heat、viridis |
| 背景颜色 | #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 |
| 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：基于某品牌智能手机的英文评论分词词频表，生成词云展示用户关注点。
- 数据：CSV（词语、频次），“screen,1320”、“battery,1140”、“camera,980” 等。
- 参数：circle 形状、random-dark、Arial 字体、最大词语 150、最小频次 20。
分析结果描述：词云中 “screen、battery、camera” 字号最大、最为醒目；“performance、design、price、battery life” 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：词云直观呈现了英文评论中最受关注的手机功能维度。更换为 “star” 形状或上传品牌 Logo 蒙版后，可将词云用于宣传素材。
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，用于快速识别核心关键词。
Q2: 词云中出现大量无意义词怎么办？
A: 在“排除词语”中录入 “the、and、is” 等停用词，或先通过“英文文本分词”工具去停用词、按词性过滤后再生成词频表。
Q3: 如何让词云更美观？
A: 可尝试 star/cardioid 等形状、上传蒙版图片、搭配 rainbow/heat 等色系、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”；轮廓不清或透明度过高的图片会影响效果，建议使用轮廓清晰的图片。
Q5: 中文用户需要注意什么？
A: 本工具面向英文词频数据，字体选项为英文字体。若需中文词云，请使用“中文词云分析”工具。
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。
- 双语界面：中英文一键切换。
- 结果展示：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：先使用“英文文本分词”工具去停用词、按词性过滤后导出词频表，再生成词云，质量更有保障。
参数选择：论文配图建议规则形状与简洁色系；宣传素材可选 star、cardioid 或定制蒙版，突出视觉效果。
噪音控制：设置合理的“最小频次阈值”与“最大词语数量”，在“排除词语”中剔除无关高频词，使重点词更突出。
字体检查：正式发布前在不同浏览器预览，确保字体渲染正常。
多方案对比：对同一数据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。
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.