溫馨提示：需求數(shù)量不同，價(jià)格不同。請(qǐng)聯(lián)系我們，確認(rèn)當(dāng)前新的報(bào)價(jià)！
WordStat是一個(gè)靈活且易于使用的文本分析軟件 - 無論您是需要文本挖掘工具來快速提取主題和趨勢，還是使用新的定量內(nèi)容分析工具進(jìn)行仔細(xì)和準(zhǔn)確的測量。任何需要快速從大量文檔中提取和分析信息的人都可以使用WordStat。此內(nèi)容分析和文本挖掘軟件可用于許多應(yīng)用程序，例如開放式響應(yīng)分析，商業(yè)智能，新聞報(bào)道的內(nèi)容分析等。WordStat與SimStat統(tǒng)計(jì)數(shù)據(jù)分析工具-QDA Miner定性數(shù)據(jù)分析軟件與Stata無縫集成-StataCorp的綜合統(tǒng)計(jì)軟件為您提供了其無比的靈活性，可以分析文本并將其內(nèi)容與結(jié)構(gòu)化信息（包括數(shù)字和分類數(shù)據(jù)）相關(guān)聯(lián)。
使用文本挖掘?yàn)g覽文檔內(nèi)容
使用WordStat分析大量非結(jié)構(gòu)化信息。該軟件每分鐘可處理2500萬個(gè)單詞，使用聚類，多維縮放，鄰近圖等功能快速提取主題并自動(dòng)識(shí)別模式。
使用瀏覽器模式快速提取含義
使用資源管理器模式快速輕松的從大量文本數(shù)據(jù)中提取含義，特別是對(duì)那些文本挖掘經(jīng)驗(yàn)很少的人，只需單擊一下，就可以提取文檔中常用的單詞，短語和突出的主題。
來自許多來源的進(jìn)口
導(dǎo)入Word，Excel，HTML，XML，SPSS，Stata，NVivo，PDF和圖像。連接并直接從社交媒體，電子郵件，網(wǎng)絡(luò)調(diào)查平臺(tái)和參考管理工具導(dǎo)入。
使用主題建模提取顯著的主題
使用基于單詞，短語和相關(guān)單詞（包括拼寫錯(cuò)誤）的新自動(dòng)主題提取功能，快速瀏覽非常大型的文本集中重要的主題。
探索連接
探索單詞概念之間的關(guān)系，并檢索與特定連接關(guān)聯(lián)的文本段。
與結(jié)構(gòu)化數(shù)據(jù)相關(guān)的文本
探索非結(jié)構(gòu)化文本與結(jié)構(gòu)化數(shù)據(jù)（例如日期，數(shù)字或分類數(shù)據(jù)）之間的關(guān)系，以識(shí)別子組之間的時(shí)間趨勢或差異，或使用統(tǒng)計(jì)和圖形工具（對(duì)應(yīng)分析，熱圖，氣泡圖等）。
使用字典分類您的文本數(shù)據(jù)
使用現(xiàn)有詞典實(shí)現(xiàn)全文分析自動(dòng)化，或使用單詞，短語，接近規(guī)則等創(chuàng)建您自已的分類模型。
為詞典建筑獲得特有的幫助
使用提取常用短語和技術(shù)術(shù)語并在文本集合中快速識(shí)別拼寫錯(cuò)誤，同義詞，反義詞和相關(guān)單詞的工具，更快的構(gòu)建詞典。
使用機(jī)器學(xué)習(xí)分類您的文本數(shù)據(jù)
使用Nave Bayes和K-Nearest Neighbours來開發(fā)和優(yōu)化自動(dòng)文檔分類模型。
一次單擊即可返回源文件
通過從功能，圖表或圖形返回到文本來驗(yàn)證或深入分析。您可以使用“關(guān)鍵詞檢索”或“上下文中的關(guān)鍵字”功能來檢索句子，段落或整個(gè)文檔。這在建立分類法或消除詞義歧義時(shí)特別有用。您還可以將QDA Miner代碼附加到檢索到的段。
執(zhí)行定性編碼
將WordStat與新的定性編碼工具（QDA Miner）結(jié)合使用，以便在需要時(shí)更準(zhǔn)確的探索數(shù)據(jù)或特定文檔或提取的文本段進(jìn)行更深入的分析。
將非結(jié)構(gòu)化文本轉(zhuǎn)換為交互式地圖（GIS映射）
將非結(jié)構(gòu)化文本數(shù)據(jù)與地理信息相關(guān)聯(lián)，并創(chuàng)建數(shù)據(jù)點(diǎn)，專題圖和熱點(diǎn)圖的交互式圖表，以及用于將位置名稱，郵政編碼和IP地址轉(zhuǎn)換為維度和經(jīng)度的地理編碼Web服務(wù)。
自動(dòng)提取命名實(shí)體
自動(dòng)提取命名的實(shí)體，可以使用簡單的拖放操作將其添加到分類字典中。
出口結(jié)果
輕松將文本分析結(jié)果導(dǎo)出為常見的行業(yè)文件格式，例如Excel，SPSS，ASCII，HTML，XML，MS，Word和圖形（例如PNG，BMP和JPEG）。
使用PYTHON腳本轉(zhuǎn)換文本
使用Python腳本及其全部開放源代碼庫預(yù)處理或轉(zhuǎn)換文本文檔，以便在WordStat中進(jìn)行分析。
特征：
借助WordStat，數(shù)據(jù)分析師可以從大量文檔中快速提取有價(jià)值的文本分析結(jié)果，這些結(jié)果包括客戶反饋，電子郵件，開放式回復(fù)，采訪記錄，時(shí)間報(bào)告，法律文檔，博客，網(wǎng)站等。這是WordStat的內(nèi)容分析和文本挖掘功能的列表：
從許多來源導(dǎo)入
WordStat允許您從許多來源直接導(dǎo)入多語言內(nèi)容：
導(dǎo)入文檔：Word，PDF，HTML，PowerPoint，RTF，TXT，XPS，ePUB，ODT，WordPerfect。
導(dǎo)入數(shù)據(jù)文件：Excel，CSV，TSV，Access。
從統(tǒng)計(jì)軟件導(dǎo)入：Stata，SPSS
從社交媒體導(dǎo)入：Facebook，Twitter，Raddit，YouTube，RSS
從電子郵件導(dǎo)入：Outlook，Gmail，MBox
從網(wǎng)絡(luò)調(diào)查中導(dǎo)入：Qualtrics，SurveyMonkey，SurveyGizmo，QuestionPro，Voxco，Triple-S
從參考管理工具中導(dǎo)入：Endnote，Mendeley，Zotero，RIS
導(dǎo)入圖形：BMP，WMF，JPG，GIF，PNG。自動(dòng)提取與這些圖像相關(guān)的任何信息，例如地理位置，標(biāo)題，描述，作者，評(píng)論等，并將其轉(zhuǎn)換為變量
從XML數(shù)據(jù)庫導(dǎo)入
ODBC數(shù)據(jù)庫連接可用
從定性軟件導(dǎo)入項(xiàng)目：NVivo，Atlas.ti，Qdpx文件
導(dǎo)入和分析多語言文檔，包括從右到左的語言
監(jiān)視特定的文件夾，并自動(dòng)導(dǎo)入存儲(chǔ)在此文件夾中的文檔和圖像，或監(jiān)視對(duì)原始源文件或聯(lián)機(jī)服務(wù)的更改。
整理數(shù)據(jù)
多種功能使您可以通過使分析過程簡單明了的方式輕松組織數(shù)據(jù)：
快速分組，標(biāo)記，排序，添加，刪除文檔或查找重復(fù)項(xiàng)，即：日期，作者或人口統(tǒng)計(jì)數(shù)據(jù)，例如年齡，性別或位置
輕松的對(duì)變量進(jìn)行重新排序，添加，刪除，編輯和重新編碼
根據(jù)變量值過濾大小寫
使用資源管理器模式快速提取含義
使用資源管理器模式可以快速，輕松的從大量文本數(shù)據(jù)中提取含義，這是專門為那些文本挖掘經(jīng)驗(yàn)很少的人設(shè)計(jì)的。
使用主題建模工具，找出常用的單詞，短語并提取文檔中重要的主題。在任何時(shí)候，您都可以切換到專家模式，從而可以使用WordStat的功能。
使用文本挖掘?yàn)g覽文檔內(nèi)容
在幾秒鐘內(nèi)，探索大量非結(jié)構(gòu)化數(shù)據(jù)的內(nèi)容并提取有見地的信息：
提取常用的單詞，短語，表達(dá)方式
在單詞或短語上使用聚類或2D和3D多維縮放快速提取主題
使用鄰近圖輕松識(shí)別與目標(biāo)關(guān)鍵字同時(shí)出現(xiàn)的關(guān)鍵字
使用鏈接分析功能探索單詞或概念之間的關(guān)系
通過應(yīng)用關(guān)鍵字同時(shí)出現(xiàn)條件（在一個(gè)案例中，一個(gè)句子，一個(gè)段落，一個(gè)n個(gè)單詞的窗口，一個(gè)用戶定義的段）以及聚類方法（一階和二階接近度，選擇）來微調(diào)分析相似性指標(biāo)
使用分層聚類，多維縮放，鏈接分析和鄰近圖來探索概念或文檔之間的相似性。
使用主題建模來提取突出的主題
通過將自然語言處理和統(tǒng)計(jì)分析（NNMF或因子分析）結(jié)合使用，不僅對(duì)單詞而且對(duì)短語也能使用理想的自動(dòng)主題提取功能，從大文本集中快速概覽重要額主題和相關(guān)單詞（包括拼寫錯(cuò)誤）。
在層析聚類分析中，一個(gè)單詞可能僅出現(xiàn)在一個(gè)聚類中，主題建?？赡軐?dǎo)致一個(gè)單詞與多個(gè)主題相關(guān)聯(lián)，這一特征更現(xiàn)實(shí)的表示了某些單詞的多義性以及該單詞的多個(gè)上下文單詞用法。
探索聯(lián)系
使用網(wǎng)絡(luò)圖探索單詞或概念之間的聯(lián)系。使用三種布局類型檢測共現(xiàn)的基礎(chǔ)模式和結(jié)構(gòu)：多維縮放，基于力的圖形和圓形布局。
圖是交互式的，可用于探索關(guān)系并檢索與特定連接關(guān)聯(lián)的文本段。
使用文本與結(jié)構(gòu)化數(shù)據(jù)相關(guān)
探索非結(jié)構(gòu)化文本與結(jié)構(gòu)化數(shù)據(jù)之間的關(guān)系：
識(shí)別時(shí)間趨勢，子組之間的差異，或使用統(tǒng)計(jì)和圖形工具（偏差表，對(duì)應(yīng)分析，熱圖，氣泡圖等）評(píng)估與等級(jí)或其他類型或數(shù)字?jǐn)?shù)據(jù)的關(guān)系。
使用不同的關(guān)聯(lián)度量的評(píng)估單詞出現(xiàn)與名義或有序變量之間的關(guān)系：卡方，似然比，Tau-a，Tau-b，Tau-c，對(duì)稱Somer's D，非對(duì)稱Somers'Dxy和Dyx，Gamma，Person's R，Spearman's
使用字典對(duì)文本數(shù)據(jù)進(jìn)行分類
使用現(xiàn)有字典實(shí)現(xiàn)全文分子自定化，或者創(chuàng)建您自已的單詞和短語分類模型
在字典中，可以實(shí)現(xiàn)布爾值（AND，OR，NOT）和接近度規(guī)則（NEAR，AFTER，BEFORE），并使用正則表達(dá)式公式快速從文本數(shù)據(jù)中提取特定信息。
字典調(diào)節(jié)的詞語修飾和詞干支持多種語言，并且自動(dòng)單詞替換選項(xiàng)使您可以用目標(biāo)關(guān)鍵字替換多個(gè)單詞。用戶定義的停用詞列表可用多種語言提供。以避免不必要的常用詞（例如他，她，它等）在分析中使用。
獲得特有的詞典構(gòu)建幫助
通過提取常用短語和技術(shù)術(shù)語以及在文本集合中快速識(shí)別拼寫錯(cuò)誤和相關(guān)單詞（同義詞，反義詞，全名，同義詞，上位詞，下位詞）的工具，獲得真正特有的計(jì)算機(jī)協(xié)助，以建立分類標(biāo)準(zhǔn)。
使用機(jī)器學(xué)習(xí)自動(dòng)對(duì)文本數(shù)據(jù)進(jìn)行分類
使用Nave Bayes和K-Nearest Neighbours開發(fā)和優(yōu)化自動(dòng)文檔分類模型。用戶可以選擇多種驗(yàn)證方法：leave-but-one，n-fold cross-validation，split sample。實(shí)驗(yàn)?zāi)K可用于輕松比較預(yù)測模型和精細(xì)分類模型。
分類模型可以保存到磁盤中，并稍后在QDA Miner中的獨(dú)立文檔分類實(shí)用程序，命令行程序或編程庫中應(yīng)用。
一鍵返回原始文檔
通過使用關(guān)鍵字檢索或上下文中的關(guān)鍵字來檢索句子，段落或整個(gè)文檔，從功能，圖表或圖形中返回文本，從而驗(yàn)證或深入分析。這在建立分類法或消除詞義歧義時(shí)特別有用。
檢索到的文本段可以按關(guān)鍵字或任何自變量排序。您可以將QDA Miner代碼附加到檢索到的段上，或以表格格式（Excel，CSV等）或文本報(bào)告（MS Word，RTF等）將其導(dǎo)出到磁盤。
執(zhí)行定性編碼
將WordStat與新的定性編碼工具（QDA Miner）結(jié)合使用，以便在需要更準(zhǔn)確的瀏覽數(shù)據(jù)或特定穩(wěn)定或提取的文本段進(jìn)行更深入的分析。
將非結(jié)構(gòu)化文本轉(zhuǎn)換為交互式地圖（GIS映射）
將非結(jié)構(gòu)化文本數(shù)據(jù)與地理信息相關(guān)聯(lián)，并創(chuàng)建數(shù)據(jù)點(diǎn)，主題地圖和熱圖的交互式圖表，以及用于將位置名稱，郵政編碼和IP地址轉(zhuǎn)換為緯度和經(jīng)度的地理編碼Web服務(wù)。
自動(dòng)提取名稱和拼寫錯(cuò)誤
自動(dòng)提取命名實(shí)體（名稱，技術(shù)術(shù)語，產(chǎn)品和公司名稱），可以使用簡單的拖放操作將其添加到分類字典中。
拼寫錯(cuò)誤和未知單詞會(huì)自動(dòng)提取出來，并與用戶詞典中的現(xiàn)有條目匹配，并且可以迅速添加到詞典中。
匯出結(jié)果
將文本分析結(jié)果導(dǎo)出為常見的行業(yè)文件格式（例如Excel，SPSS，ASCII，HTML，XML，MS Word），流行的統(tǒng)計(jì)分析工具（例如SPSS和STATA）以及圖形（例如PNG，BMP和JPEG）。
使用Python腳本轉(zhuǎn)換文本
使用Python腳本及其全部開放代碼庫來預(yù)處理或轉(zhuǎn)換文本文檔，以便在WordStat中進(jìn)行分析。
WordStat 2023的新功能：
WordStat 2023的發(fā)布，這代表著在將詞義消歧應(yīng)用于主題模型方面向前邁出了重要一步。我們特有的主題豐富功能經(jīng)歷了重大改進(jìn)，引入了幾個(gè)新的主題建模功能，以幫助用戶從他們的數(shù)據(jù)中獲得更深刻的見解。此外，還實(shí)施了多項(xiàng)速度優(yōu)化，使軟件響應(yīng)速度更快、用戶更友好。
1. 改進(jìn)主題豐富
WordStat現(xiàn)在向提取的主題添加了更多相關(guān)短語，同時(shí)還為其他短語提供了改進(jìn)的建議。此外，它現(xiàn)在在識(shí)別假陽性表達(dá)或異常方面具有更高的準(zhǔn)確性，可以將其合并到主題模型中，以幫助減少與提取的主題無關(guān)的上下文相關(guān)的單詞的歧義。
2. 主題建模詞云
主題模型表右側(cè)的比較面板現(xiàn)在有一個(gè)新添加的詞云，直觀地描述了所選主題中排名靠前的詞的相對(duì)重要性。此詞云可以自定義、復(fù)制到剪貼板或以BMP、PNG或JPEG等標(biāo)準(zhǔn)圖形格式保存到磁盤。
3. 新增集成文本檢索功能
可以啟動(dòng)主題網(wǎng)格右側(cè)的一個(gè)新的方便的示例文本面板，以自動(dòng)顯示與所選主題匹配的句子或段落。這些文本片段按相關(guān)性降序排列，主題詞以粗體顯示，便于理解每個(gè)主題的本質(zhì)并識(shí)別可用于說明的關(guān)鍵示例。這個(gè)強(qiáng)的工具使用戶可以更深入地了解他們的數(shù)據(jù)，并促進(jìn)更有效地交流他們的發(fā)現(xiàn)。
4. 提高頂部富集速度
由于進(jìn)行了大量的優(yōu)化工作，主題豐富過程得到了顯著加速，導(dǎo)致性能提高比以前的版本快10到20倍。
5. 瞬時(shí)短語提取
利用多核處理的強(qiáng)功能，短語提取現(xiàn)在與主要文本處理無縫集成，使用戶幾乎可以即時(shí)訪問結(jié)果。例如，在包含超過50,000條客戶評(píng)論的數(shù)據(jù)集上，提取常用的5000個(gè)短語現(xiàn)在只需0.4秒即可完成，而之前的版本需要14秒。
技術(shù)信息
操作系統(tǒng)：Microsoft Windows XP , 2000 , Vista , Windows 7,8和10
內(nèi)存：從256MB（XP）到1GB（Vista , Windows 7, 8和10）
磁盤空間：40MB
