WordSmith 使用教程：从入门到精通

WordSmith Tools 是由 Lexical Analysis Software 公司开发的一款经典的语料库语言学软件，被誉为语料库分析的“瑞士军刀”，它以其功能强大、操作直观而备受语言研究者、教师、翻译和文本分析师的青睐。

本教程将分为以下几个部分：

1. 初识 WordSmith：简介、核心优势与适用人群
2. 安装与界面：如何安装及熟悉主界面
3. 核心功能详解：六大核心工具的详细用法
4. 实战案例：一个完整的分析流程示例
5. 高级技巧与常见问题

第一部分：初识 WordSmith

1 什么是 WordSmith？

WordSmith 是一个软件包，它包含了一系列用于文本分析的工具，你可以把它想象成一个“文本实验室”，你可以把你的文本文件（如小说、新闻稿、学生作文、产品评论等）放进去，通过各种工具进行“解剖”和“化验”，从而揭示文本中隐藏的语言特征。

2 WordSmith 的核心优势

• 功能全面：集词汇、词组、句子、语境等多种分析于一体。
• 操作直观：图形化界面，大部分操作只需点击鼠标，无需编程。
• 结果丰富：分析结果以列表、图表、图表等多种形式直观展示，并可轻松导出。
• 历史悠久，社区成熟：作为行业标杆，有大量的教程和研究案例可供参考。

3 适用人群

• 语言研究者：研究作者风格、语言变化、话语分析等。
• 英语/语文教师：分析学生作文中的词汇丰富度、语法错误、搭配问题。
• 翻译人员：分析特定领域的术语搭配和行文风格。
• 市场/品牌分析师：分析消费者评论，了解公众对产品/品牌的情感和关注点。
• 任何需要深入理解文本特征的人。

第二部分：安装与界面

1 安装

1. 下载：访问 WordSmith 官网 (https://www.lexicalanalysis.com/) 购买并下载安装程序。
2. 安装：按照向导完成安装，安装过程非常简单，类似于普通软件。
3. 启动：安装完成后，桌面会出现 WordSmith Tools 的图标，双击即可启动。

2 主界面

启动 WordSmith 后，你会看到一个简洁的主界面，这个界面是所有工具的“指挥中心”。

• 顶部菜单栏：包含 File (文件)、Tools (工具)、Options (选项) 等。
• 左侧工具列表：这是核心区域，列出了 WordSmith 的所有工具，我们将重点介绍其中最常用的六个。
• 中间主要区域：用于显示当前选中的工具的设置界面和结果。
• 底部状态栏：显示一些状态信息。

第三部分：核心功能详解

WordSmith 的六大核心工具是每个用户都必须掌握的，我们将逐一讲解。

1 WordList (词表工具)

这是最基础也是最重要的工具,用于生成和分析文本中的词汇列表。

• 功能：统计一个文本文件（或一组文件）中所有单词的出现频率，并生成一个按频率排序的词表。
• 如何使用：
  1. 在左侧工具栏双击 WordList。
  2. 在主界面的 Make a word list from... 部分，点击 Select files 按钮，选择你要分析的文本文件（可以是单个 .txt 文件，也可以是一个文件夹下的所有文件）。
  3. 在 Output 部分，指定保存结果的文件名和位置。
  4. 点击 Start 按钮，WordSmith 开始分析。
• 关键设置：
  • Settings 按钮：这是最重要的设置区域。
    • Ignore case：是否忽略大小写，通常建议勾选，将 "The" 和 "the" 视为同一个词。
    • Ignore list：忽略词表，你可以提供一个包含常见无意义词（如 "the", "a", "in", "is" 等）的文件，WordSmith 在统计时会自动跳过这些词，WordSmith 自带了一个标准的忽略词表。
    • stemming：词形还原，将不同形式的词（如 "running", "ran"）还原为词根（"run"），这有助于更准确地分析核心词汇。
  • 结果解读：生成的结果文件（通常是 .txt 或 .html 格式）包含三列：Rank (排名)、Word (单词)、Freq (频率)。

2 Concord (语境工具)

Concord 是进行词语语境分析的利器，它可以帮助你看到某个单词在原文中是如何被使用的。

• 功能：在文本中搜索一个或多个关键词，并将它们所在的句子（或短语）以“关键词在中间，左右为语境”的形式展示出来。
• 如何使用：
  1. 双击 Concord 打开工具。
  2. 在 Show concordance for 输入框中，输入你想搜索的单词（如 "innovation"）。
  3. 在 Make concordance from... 部分，选择你之前生成的 WordList 文件（强烈推荐），或者直接选择原始文本文件，使用 WordList 文件可以确保搜索是基于经过清理的词汇列表。
  4. 点击 Start。
• 关键设置：
  • Sort (排序)：这是 Concord 的精髓所在。
    • Alphabetical：按字母顺序排序。
    • Right：按关键词右边的词排序（分析常用搭配）。
    • Left：按关键词左边的词排序（分析常见主语或介词）。
  • Show (显示)：控制每个语境条目显示的字符数。
• 结果解读：你会得到一个列表，每一行都展示了关键词及其上下文，通过排序，你可以轻松发现词语的搭配模式。

3 Concordance Plot (语境图工具)

这是 Concord 的可视化版本，以图表形式展示词语在文本中的分布情况。

• 功能：将文本看作一条水平线，每个关键词出现的位置用一条竖线标记，通过观察竖线的疏密，可以判断词语在文本中是均匀分布还是集中在某些部分。
• 如何使用：
  1. 双击 Concordance Plot。
  2. 输入关键词,选择源文件（同 Concord）。
  3. 点击 Start。
• 结果解读：生成的图表中，X轴代表文本的进度，Y轴没有实际意义，只是为了让竖线不重叠，如果竖线在某个区域非常密集，说明该部分文本大量使用了该词。

4 Keywords (关键词工具)

这是一个非常强大的对比分析工具,用于找出两个文本集之间的“关键词”。

• 功能：比较两个语料库（如“新闻语料库”和“学术语料库”），找出在一个语料库中显著高频，而在另一个语料库中显著低频的词，这些词就是“关键词”。
• 如何使用：
  1. 双击 Keywords。
  2. 在 Reference corpus (参照语料库) 中，选择作为基准的文本集（如学术语料库）。
  3. 在 Study corpus (研究语料库) 中，选择你想分析的文本集（如新闻语料库）。
  4. 点击 Start。
• 结果解读：结果会列出所有“关键词”，并给出它们在两个语料库中的频率、频率比、卡方值等统计指标，排在最前面的词，就是最能代表“研究语料库”特征的词。

5 Split Viewer (文本分割工具)

用于将一个长文本文件分割成多个小文件,便于后续分析。

• 功能：可以根据字符数、行数或段落数，将一个大文件切分成若干个小文件。
• 如何使用：
  1. 双击 Split Viewer。
  2. 选择要分割的大文件。
  3. 设置分割规则（如每 1000 个字符一个文件）。
  4. 指定保存小文件的文件夹。
  5. 点击 Start。

6 Text Converter (文本转换工具)

用于批量处理文本文件,如统一编码、转换大小写、去除格式等。

• 功能：对多个文本文件进行批量格式化处理。
• 如何使用：
  1. 双击 Text Converter。
  2. 选择要处理的文件或文件夹。
  3. 在转换选项中进行设置（如 Convert to lower case，Remove punctuation 等）。
  4. 指定输出文件夹。
  5. 点击 Start。

第四部分：实战案例：分析两篇不同风格的新闻稿

假设我们有两篇关于“人工智能”的新闻稿，一篇来自《科技日报》（风格正式、专业），一篇来自《今日头条》（风格通俗、活泼），我们想找出它们在词汇使用上的差异。

分析目标：找出《今日头条》相对于《科技日报》的关键词，以揭示其通俗化、网络化的语言特征。

步骤：

1. 准备数据：

   • 将《科技日报》的多篇文章放在一个文件夹，命名为 Formal。
   • 将《今日头条》的多篇文章放在另一个文件夹，命名为 Colloquial。

2. 生成词表：

   • 使用 WordList 工具，分别对 Formal 和 Colloquial 文件夹生成词表。
   • 设置：勾选 Ignore case 和 Ignore list，以确保分析是基于有意义的词汇。
   • 得到 Formal_wordlist.txt 和 Colloquial_wordlist.txt。

3. 运行关键词分析：

   • 打开 Keywords 工具。
   • Reference corpus (参照语料库)：选择 Formal_wordlist.txt，我们想看看《今日头条》的报道和《科技日报》的“正式”报道有何不同。
   • Study corpus (研究语料库)：选择 Colloquial_wordlist.txt。
   • 点击 Start。

4. 解读结果：

   • 查看 Keywords 生成的结果列表。
   • 你可能会发现,排在前列的关键词包括：
     • 网络流行语：如 给力, 脑洞, 硬核。
     • 口语化词汇：如 大家, 我们, 感觉。
     • 感叹词：如 哇, 哦。
     • 特定领域的非正式表达：如 AI圈, 大佬。
   • 相反,在分析《科技日报》相对于《今日头条》的关键词时，你可能会发现 算法, 神经网络, 数据, 模型 等专业术语。

5. 深入语境分析 (可选)：

   • 对于发现的关键词,如 硬核，可以回到 Concord 工具。
   • 在 Concord 中搜索 硬核，并选择 Colloquial 文件夹作为源文件。
   • 观察 硬核 在这些新闻稿中的具体用法和语境，验证你的分析。

第五部分：高级技巧与常见问题

1 高级技巧

• 工具链串联：WordSmith 的强大之处在于工具可以串联使用。
  • Text Converter -> WordList -> Concord -> Keywords
  • 这个流程代表了：预处理文本 -> 生成基础词表 -> 深入分析词语语境 -> 对比不同文本集。
• 善用 Settings：花时间理解每个工具的 Settings 选项，特别是 WordList 和 Concord 中的设置，它们直接决定了分析的质量。
• 结果导出：所有结果都可以导出为 .txt, .html, .xls 等格式，方便你在 Word, Excel 或其他分析软件中进行进一步处理和美化。

2 常见问题

• Q: 为什么我生成的词表里有很多 "the", "a", "is"？

  • A: 因为你没有在 WordList 的 Settings 中加载 Ignore list，请检查并勾选 Ignore list 选项，并确保指向了正确的忽略词表文件。

• Q: Keywords 分析结果为空，怎么办？

  • A: 通常是因为两个语料库的词汇量差异过大，或者没有足够的共同词汇作为基础，确保两个语料库的文本量和类型具有一定的可比性，检查文件路径是否正确。

• Q: 如何分析中文文本？

  • A: WordSmith 本身是为英语设计的，对中文的支持有限，因为它默认以空格分词，要分析中文，你需要先将中文文本进行分词处理（使用如 Jieba, THULAC 等分词工具），在每个词之间用空格隔开，然后再导入 WordSmith。

• Q: WordSmith 和 AntConc 有什么区别？

  • A: 两者都是非常优秀的语料库工具。
    • WordSmith：功能更全面，更像一个“工具箱”，除了基础分析，还有 Keywords 这样的对比工具，商业软件，界面更传统。
    • AntConc：免费开源，界面更现代化，在 Concord 和 Concordance Plot 功能上非常出色，尤其在词丛和 N-gram 分析上很方便，深受学生和研究者喜爱。
    • 建议：两者可以结合使用，AntConc 做快速检索和可视化，WordSmith 做深度对比和批量处理。

WordSmith 是一款经久不衰的语料分析工具，掌握它的核心工具，特别是 WordList, Concord 和 Keywords，你就能对文本进行深入的量化分析，从生成一个简单的词表开始，逐步尝试语境分析和对比分析，你会发现一个全新的、数据驱动的文本世界，祝你使用愉快！