词频分析是对文章中重要词汇出现的次数进行统计与分析，是文本挖掘的重要手段。它是文献计量学中传统的和具有代表性的一种内容分析方法，基本原理是通过词出现频次多少的变化，来确定热点及其变化趋势。
前一阵子有一篇热文，小学生用大数据分析苏轼，说的就是清华附小的学生用词频分析方法对苏轼的作品进行了分析，很多网友解嘲说感觉智商遭到了暴击，其实只要有合适的工具谁都可以进行词频分析，下面介绍一个超强的词频分析网站：糖果云网站www.tgyun.cc
糖果云面向个人及团体提供大数据存储，大数据分析以及大数据交易市场服务。
糖果云的总体目标是建设一个分类的知识库与数据库，方便全人类的查阅和检索，提高用户对知识获取的速度，提高了工作效率，和学习的进度，为推动人类知识进步做出贡献。
下面我们看看糖果网站提供的词频统计功能，下图是糖果云网站对红楼梦做出的词频统计：
http://www.tgyun.cc/lib/bigtang_红楼梦
从上图可以看到，红楼梦中哪个人物的篇幅最多？哪个人物曹雪芹更注重？这个统计就一清二楚了，我不是红学专家，这个统计里应该还有很多内容可以解说。
说到小学生，就再来看看小学生所做的研究，用大数据来分析苏轼：
下图是糖果云网站对苏轼诗词作品做出的词频统计：http://www.tgyun.cc/lib/user_苏轼诗词全集
词频统计技术涉及到分词技术，分词技术一般有两种做法：
一种是维护一个大词库，文章与词库匹配进行分词，这种方法有个缺点，就是需要不停的加入新词，否则新词统计不到，小学生的分析文章也提到，子由是一个新词，现代汉语没有叫做子由这个词的，那么苏轼的诗词中为什么这么多子由呢？原来子由是苏轼的弟弟！苏轼弟弟苏辙字子由， 苏东波字子瞻。
另一种叫做统计分词，糖果云采用的技术即为统计分词，可以看到子由是个新词，照样被糖果云统计到。这种技术无需担心新词，新词只要有使用量，就可以被统计出来。
糖果云的词频统计超级强大，无论是一篇文章还是几个G的文本，均可轻松统计。
那么怎么对你的文本资料进行词频统计呢？
操作方法：
1 把文章文本资料另存为txt文件；
2 把txt文件压缩成zip文件；
3 把zip文件上传到糖果云，之后，就可以在糖果云库中查找到该文章及词频统计数据了。
网友评论