本地文档批量统计词权

如果你需要在 Windows 桌面端对同一目录下大量纯文本做批量词频统计，并可选带上 TF-IDF、BM25 两列用于后续筛选或简报，可以用【批量文档词频权重统计工具】。下文只记操作与产物，不写任何公式或底层实现。

前置条件：语料必须是 .txt；放在同一主文件夹内，需要时勾选「遍历子目录」把子文件夹里的 txt 一并扫进来。

主界面选路径支持浏览与拖拽。计算选项里「词频」不可取消；需要对比「跨文档更显眼」的词时勾选 TF-IDF，需要另一种常见检索权重时再勾选 BM25，二者可同开。勾选后「显示排序」下拉里会出现对应字段，便于你在结果区按不同指标预览前 200 条。

过滤区「最小词长」「最小词频」按语料规模调。噪声多就提高词长或词频门槛。菜单「停用词/词典」里可维护停用词：从 txt 批量导入、导出备份、恢复默认，或在列表里增删。另有「自定义词典」页，按界面示例准备每行词条，可提升领域专有词被整词识别的概率。

点开始后排进度与日志；失败文件会标明读取问题。底部摘要给总文件数、成功/失败/跳过、总词数与去重词数。结果文本框仅展示前两百词，全量请用「导出」生成 CSV：在弹出框选排序字段、升降序、是否导出全部或仅前 N 条。

说明：纯标点、停用表里的词、过短的词以及纯数字形式会被过滤，具体以运行结果为准。若中途停止，是否仍能导出部分结果视当时完成情况而定，建议重要任务一次跑完或先小样验证。