本书按照方法从简单到复杂、从特征工程到表示学习再到大语言模型的逻辑展开：首先介绍文本分析的基础流程、词频分析、TF-IDF、LIWC、语言风格匹配、可读性以及情感与语调测度等方法，说明这些基于词典与统计的工具如何用于构念测度、文本相似性分析和心理特征识别；继而讨论主题模型及其扩展，阐释LDA、STM等模型如何用于发现潜在主题结构、刻画文本异质性并支持解释性研究；随后介绍Word2Vec、Doc2Vec等静态词嵌入方法，以及BERT等上下文预训练表示模型，展示其在语义理解、构念识别与文档表示中的应用；最后聚焦大语言模型与GPT在文本理解、自动编码、信息抽取和研究辅助中的新作用，并讨论其适用边界、风险与方法论挑战。

更多科学出版社服务，请扫码获取。