由GooSeeker大數據開發團隊研發的在線分詞工具軟件，設計初衷就是 “文科生也能輕鬆上手的分詞工具”，比如，公共管理專業、社會學各專業、工商行政管理各專業、營銷管理各專業等等，這裡對“文科生”沒有任何褒貶含義，因為我們GooSeeker團隊的分析師大部分也都是“文科生”，他們可以免受技術思路的束縛，直接看到業務層面的問題和需求，在商業分析和智慧城市大數據管理等領域執行各種研究工作的策劃、頂層設計和管理工作。
基於以上目標， GooSeeker的分詞打標工具採用了在線雲服務的架構，重點解決以下幾個問題：
1.下載到本地安裝的軟件萬一有病毒或者木馬怎麼辦？即使官方發佈的軟件不會含有病毒，但是從別的軟件下載網站下載的版本就是一個不得不考慮的問題
2.最新的軟件功能是否能及時用上？下載到本地安裝的軟件，這也是一個痛點問題，所以，我們要採用雲的方式，除了能第一時間把新功能交給用戶以外，還可以第一時間用上最新的自然語言處理（NLP）、中文信息處理和文本挖掘技術和產品。比如，在雲服務的架構下，可以隨時採用更加先進的中文分詞技術，畢竟這些基礎技術都需要採用第三方的業界領先的產品。
3.產品和服務是否一直持續提供？技術在發展，用戶需求在變化，一個好的產品一定是一個持續服務的產品，比如，軟件功能升級、用戶問題解答。
4.導入的文檔可以是pdf，word，txt，excel，輸出都是excel，excel是分析師的最愛。
基於以上考慮，在持續的產品發展過程中，GooSeeker研發團隊參考了大量的分詞和文本挖掘軟件。如果講技術或者面向工程師，應該去研究BAT們發佈的NLP雲服務，毫無疑問十分強大。然而，面對“文科生”和各專業寫論文的學生，想要快速幫助他/她完成分析任務，還是應該放眼於那些便捷分詞工具，而不是複雜難用的軟件。
這個系列文章，我們重點剖析Rost-CM內容挖掘系統，只有吸取先進養分，才能做得更加卓越。
1，Rost-CM的功能界面
Rost CM發展了多個版本，下面是我最熟悉和使用最多的版本4.0.0
還有5.8.0版的界面是下面這樣的。
（1）分詞
點擊功能性分析下拉列表框中的分詞選項，打開分詞窗口，在待處理文本框中載入待處理文件，如“虛擬學習團隊2010‐8‐7.txt”，則系統按照程序目錄下的User 目錄下的User.txt 文檔，自動在輸出文件框中生成“虛擬學習團隊2010‐8‐7_分詞後.txt”文件，獲得以空格分離的分詞後文檔，如果原來文檔中有空格的位置保留空格。點擊確定按鈕，即可打開該文檔。
（2）字頻分析
點擊功能性分析下拉列表框中的字頻分析選項，打開字頻分析窗口， 在待處理文件框中載入待處理文件， 如“ 虛擬學習團隊2010‐8‐7.txt”，則系統自動在輸出文件框中生成“虛擬學習團隊2010‐8‐7_字頻.txt”文件，點擊確定按鈕，即可打開該文檔。
分詞和詞頻統計是兩個最重要的功能，大部分基於分詞的研究任務或者作業基本上用這兩個功能就夠了，得到了分詞結果，可以做各種統計，最可能做的可視化操作是畫一個詞雲。後續的這些數據分析和可視化操作，可以在其他專用軟件上做，很靈活。所以，暫且放下其他功能不去深究，先看看我對產品的規劃。
2，文科生都能用的GooSeeker分詞工具
上面已經說過，最常用的功能就是 分詞和詞頻 統計，能否做到導入要分析的內容就能導出需要的結果？是的，不需要將分詞和詞頻分析分成兩個步驟，gooseeker分詞工具可以一步完成。
導入以後，就能看到原始數據和分詞好的數據，也能看到按照詞頻排序的詞語，這時候可以不做任何操作，直接下載數據，你就會得到打包在一起的四張表：
●分詞效果表：一行原始內容對應一行經過分詞的內容
●打標結果表：如果篩選了詞語，就有這種表，把每條原始內容含有的詞語羅列出來
●切詞表：就是通常所說的詞頻表
●選詞結果表：跟切詞表一樣的結構，但是隻有篩選過的詞，如下圖，很多高詞頻的詞是無助於分析的，甚至會干擾分析結果
3，寫作規劃
接下來，我將用多篇文章，引導讀者深入體驗多個分詞工具的功能特性，感興趣的朋友可以繼續關注。
閱讀更多 語義網絡爬蟲 的文章
