文本数据分析与自然语言处理
# 文本數據分析請求
## 分析背景
- 文本數據類型：[客戶評論/社交媒體/調查回覆/文檔等]
- 語言：[中文/英文/多語言]
- 數據量：[文檔數量和平均長度]
- 分析目的：[情感分析/主題提取/分類等]
## 分析需求
請執行以下文本分析：
1. 文本預處理（清洗、分詞、去停用詞等）
2. 探索性文本分析（詞頻、詞雲、n-gram等）
3. 主題建模（識別主要討論主題）
4. 情感分析（積極/消極/中性）
5. 實體識別（人名、地點、組織等）
## 分析方法
請考慮使用以下NLP技術：
- 詞袋模型和TF-IDF
- 詞嵌入（Word2Vec、GloVe等）
- 主題模型（LDA、NMF等）
- 情感詞典或基於機器學習的情感分析
- 命名實體識別
- 文本分類（如適用）
## 可視化需求
- 詞雲和詞頻分析
- 主題分佈可視化
- 情感趨勢圖
- 關鍵詞網絡圖
- 文本聚類可視化
## 輸出期望
- 關鍵發現的文字總結
- 主要主題的描述和關鍵詞
- 情感分析結果及趨勢
- 重要實體和關係
- 文本洞察的業務應用建議