词云生成完整指南：分词算法 / 美学设计 / 应用场景

英文分词（简单）：按空格和标点切割。

"Hello world from Python" → ["Hello", "world", "from", "Python"]

浏览器原生 JavaScript 直接 .split(/\s+/) 即可。

中文分词（复杂）：汉字间没有空格，无法用分隔符切割。必须用算法理解词义。

"我喜欢学习自然语言处理技术" → ["我", "喜欢", "学习", "自然", "语言", "处理", "技术"] 或 ["我", "喜欢", "学习", "自然语言处理", "技术"]

都有可能，取决于分词库和算法。

常见中文分词库： - jieba（Python）：前向最大匹配 + 隐马尔可夫模型，准确率 85-90% - Python-Chinese-Segmentation：分词准确但速度较慢 - nodejieba（Node.js）：jieba 的 JS 版本 - 大模型（ChatGPT）：准确率最高但成本高

本站工具内置中文分词库，用户无需关心实现细节。

分词后会出现大量"无意义的词"，必须过滤掉：

中文停用词（常见 100+ 个）： 的、是、了、和、在、有、人、这、中、大、来、以、对、生、要、我、他、不、为、起、到、一、被、...

英文停用词： the、a、an、and、or、but、in、on、at、to、be、is、are、...

例子： `` 原始文本："中国是一个伟大的国家，我们的人民热爱和平。" 分词后：["中国", "是", "一个", "伟大", "的", "国家", "我们", "的", "人民", "热爱", "和平"] 过滤停用词：["中国", "伟大", "国家", "人民", "热爱", "和平"] ``

去掉 "是" "的" "我们" 这类虚词后，词云显示的信息密度立刻提高。

自定义停用词：本工具允许在生成前补充或删除停用词，比如项目特定的常见词（公司名、产品名）。

词频统计（计数）： `` 单词词频 = 该单词在全文出现的次数 ``

假设分词后得到： `` "AI" 出现 150 次 "机器学习" 出现 80 次 "深度学习" 出现 45 次 "算法" 出现 20 次 ``

字号映射（关键一步）：频率最高的词显示最大，最低的词显示最小。但用哪个函数映射？

线性映射： `` font_size = min_size + (frequency - min_freq) / (max_freq - min_freq) * (max_size - min_size) `` 字号与词频成正比。缺点：高频词太大，低频词太小，对比过于极端。

对数映射（推荐）： `` font_size = min_size + log(frequency + 1) / log(max_freq + 1) * (max_size - min_size) `` 高频词增长放缓，低频词相对显眼，视觉分布更均衡。

平方根映射： `` font_size = min_size + sqrt(frequency) / sqrt(max_freq) * (max_size - min_size) `` 折中方案，常见。

经验参数：min_size = 12px，max_size = 80px（根据词云大小调整）。

词云形状影响视觉感受：

矩形（默认）： - 最高效利用空间 - 阅读顺序清晰（从左到右、从上到下） - 适合信息密集场景

圆形： - 和谐、整体感强 - 常见于品牌/企业应用 - 空间利用率 70%

心形： - 情感化、温暖 - 常见于情人节、公益活动 - 难排版，空间利用率 60%

自定义形状：上传 SVG 或 PNG 轮廓，词云填充形状内部（高级功能）。

布局算法： - 螺旋（高效）：从中心向外螺旋排列，快速、紧凑 - 随机（散乱）：无序排放，有机、不规则 - 竖排（中文友好）：竖排中文看起来更自然

本工具默认螺旋布局，水平排列，适合快速生成。

颜色不仅是装饰，还传达信息：

暖色调（红、橙、黄、粉）： - 传达：热情、积极、活力 - 适合：品牌推广、营销文案、互动分析 - 例：电商平台的用户评价词云

冷色调（蓝、青、紫、绿）： - 传达：理性、专业、深度 - 适合：学术论文、技术分析、舆情监测 - 例：AI 论文关键词、代码库分析

单色渐变（同一色系深浅）： - 传达：专业、统一 - 适合：企业正式报告

彩虹（多彩）： - 传达：创意、多样 - 适合：儿童内容、创意产业 - 风险：容易显得混乱

1. 与品牌色一致（企业应用）
2. 用 3-5 个主色 + 渐变变体，避免超过 7 色（色数过多显脏）
3. 高频词用高对比色，低频词用背景色接近的浅色
4. 测试色盲友好度（5% 男性有色盲）

1. 微信公众号年度数据分析： 统计全年文章标题和正文中的高频词。暖色调词云，突出品牌传播的核心概念。

2. 电商评价分析： 用户评论分词后生成词云。"快递" "质量" "推荐" 大，"垃圾" "破损" 也大 → 表示有问题值得关注。

3. 舆情监测： 爬取新闻、微博、论坛评论，分词后监测高频词变化趋势。蓝色冷调显得专业。

4. 简历/论文关键词提取： PDF 转文本 → 分词 → 词频统计 → 生成词云。一眼看出求职者的核心技能或论文的主题。

5. 用户画像画像： 分析 500 条用户问卷回答，生成描述词云。"80 后" "北京" "白领" "爱好旅游" 高频 → 核心用户画像浮现。

6. 品牌认知调研： 问用户 "你对 iPhone 的第一印象？" 收集 1000+ 回答，词云显示 "创新" "简洁" "昂贵" 频率。

两者容易混淆但完全不同：

词云（Word Cloud）： - 根据词频改变字号 - 适合展示大量数据中的热点 - 需要数据计算、算法支撑 - 适合分析型应用

标签云（Tag Cloud）： - 等大的标签，按名称字母排序 - 只有分类、导航功能 - 无需计算词频 - 适合网站导航（如博客标签页）

这里讲的是词云。本站工具不支持标签云。