Excel词频分析工具

中文分词 (Chinese Word Segmentation)是文本挖掘的基础，对于输入的一段中文，成功的进行中文分词，可以达到电脑自动识别语句含义的效果。在分词的基础上，词频分析(Word Frequency Analysis)是对文献正文中重要词汇出现的次数进行统计、分析，是文本挖掘的重要手段。常用的词频统计方式是TF-IDF，有关TF-IDF的说明可参考百度文库的“词频”词条(http://baike.baidu.com/view/920592.htm)。

SCWS是Hightman开发的一套基于词频词典的机械中文分词引擎，它能将一整段的汉字基本正确的切分成词。采用的是采集的词频词典，并辅以一定的专有名称，人名，地名，数字年代等规则识别来达到基本分词，经小范围测试大概准确率在 90% ~ 95% 之间，已能基本满足一些小型搜索引擎、关键字提取等场合运用。

现在这个【Excel词频分析工具】是利用SCWS分词引擎所开发的一个Excel版的轻量级的在线词频统计分析工具，可以对文本文档中的中英文文字内容进行快速语义分词，统计词汇的出现频次，进行TF-IDF排名，并可显示词语的词性。

有关SCWS分词引擎的另一款Excel工具，中文语义分词自定义函数，可以参考《【中文语义分词工具】小程序》一文。

此工具需要联网，需要启用宏，有关启用宏的方法可参考：

《Excel启用宏的详细说明》

工具使用方法很简单，打开Excel工作簿，在启用宏并且在线联网的情况下，第一步点击【开始使用】按钮

第二步，在出现的【选项】对话框中设定选项，选项内部包含两部分。 第一部分是可以指定仅针对某一部分词性的词语进行统计，例如勾选“名词”和“动词”，就将只对这两类词语进行词频排名统计，而忽略其他词语。如果8个复选框全部留空不勾选，则默认会对所有类型的词语（包含这八种词性以外的词语）进行统计。 第二部分是可以设定排名显示的数量，范围在1～100之间，最多可以显示排名前100名的词语。 这里的排名指的是TF-IDF排名，而并非单纯是词语出现次数的排名。

第三步，需要在电脑中指定需要进行分析的目标文档，这个文档的类型必须是文本文档，可以事先将需要分析的文字内容放置在文本文档中。

上述步骤完成之后，就会立即在Excel当中显示结果。结果包括一份排名表格，其中显示TF-IDF排名、词语、词性以及词频（词语出现次数）。还会有一份条形图显示排名前10位的词语。

图中的示例文件来自于柴静在北京记者协会演讲比赛中讲话内容，来源于http://yanjiang.baike.com/article-50235.html

这个工具跟专业的分析工具相比还是有些差距，但还是适合一些轻量级的小应用，比如分析一下博客、论文或聊天记录，分析某个著名演讲或工作报告等等，娱乐性和实用性兼备。

此工具依托于http://www.xunsearch.com/scws 的网络服务，此工具所使用的网络资源版权均属原作者所有。

如果服务器功能改变或因访问量太大而停止响应，此工具的功能将受影响。欢迎有志者提供长期稳定的分词引擎资源。

工具下载：http://excel365.net/download/46

微盘下载：http://vdisk.weibo.com/s/oxXry