用途
LIWC（Linguistic Inquiry and Word Count）心理语言学分析用于将语料词汇归入层级化的心理维度——认知过程、社会动力、情感状态、生物关切、驱力与感知过程——然后计算每个维度的比例权重，以识别哪些语言语域在写作中占主导。
核心原则：词语是心理过程的窗口，但基于词典的分类捕捉的是词级信号，而非语义级理解。例如“cut”一词无论文本描述的是手术、预算削减还是影片剪辑，都会匹配到生物/身体类别。维度百分比应视为词汇构成的统计摘要，绝不能当作心理状态的直接测量。
主要能力
方法学基础：LIWC-22（Boyd 等，2022）提供约 6500 条词典条目，映射到 118 个层级化类别。开源替代方案包括 Empath（Fast 等，2016；约 200 个类别，与 LIWC 相关系数 r = 0.90）、SEANCE（Crossley 等，2017；254 项指标，含否定与词性特征），以及使用经验证词表的自定义词典方法。它们共享同一局限：词袋模型，不处理否定、讽刺、多义或组合语义。
LIWC-22 主要维度层级（含示例词与典型基线占比）：
- 语言功能词（代词、冠词、介词、助动词、连词、否定词）：I, the, to, is, and, not；占全部词 55-65%
- 认知过程（洞察、因果、差异、试探、确定、区分）：think, know, because, maybe, always, but；10-14%
- 社会过程（家庭、朋友、女性指称、男性指称）：talk, friend, mother, he；8-12%
- 情感过程（积极情绪、消极情绪含焦虑/愤怒/悲伤）：happy, love, worried, hate, cry；5-8%
- 驱力（归属、成就、权力、奖赏、风险）：ally, win, superior, benefit, danger；6-9%
- 生物过程（身体、健康、摄入、性）：eat, blood, pain, clinic；1-3%
- 感知过程（看、听、感觉）：look, heard, touch；2-4%
- 时间取向（过去、现在、未来）：walked, is, will；8-14%
- 相对性（运动、空间、时间）：walk, down, end；12-16%
- 个人关切（工作、休闲、家庭、金钱、宗教、死亡）：job, cook, house, cash, god, dead；3-8%
- 非正式语言（脏话、网络语、赞同、不流畅、填充词）：damn, lol, ok, um, like；1-5%（随语域变化很大）
LIWC-22 摘要变量（复合指标）：
- Analytic：衡量正式、逻辑、层级化思维，0-100 百分位；高=学术/正式，低=叙事/个人
- Clout：社会自信与领导力，0-100；高=以权威口吻说话，低=试探/谦逊
- Authenticity：诚实、个人、脆弱的写作，0-100；高=原始/个人，低=戒备/疏离
- Emotional Tone：整体积极与消极对比，0-100；>50 积极，<50 消极，约 50 混合/中性
关键参数：
- 最小语料规模（基础）：500 词，低于此类别百分比噪声过大
- 最小语料规模（可靠）：1000+ 词，百分比趋于稳定，低频类别可测量
- 最小语料规模（稳定次要类别）：3000+ 词，生物、感知与个人关切类别需要更大样本
- LIWC-22 词典条目：约 6500，覆盖 118 个类别
- Empath 类别：约 200，与 LIWC 相关系数 r = 0.90
- SEANCE 指标：254 核心 + 20 组件，含否定处理与词性过滤
- 典型词典覆盖率：80-90% 词元；10-20% 的词不匹配任何类别（专有名词、罕见词、拼写错误）
- 过程词与内容词比例：约 60/40 功能/内容；功能词（过程）占主导，内容词承载主题信号
使用方式
工作流步骤：
- 验证语料适用性并选择工具
- 为基于词典的分析预处理文本
- 计算所有类别的维度百分比
- 计算摘要变量（Analytic、Clout、Authenticity、Tone）
- 与参考基线比较
- 识别主导维度与语域画像
- 区分过程词与内容词
- 将维度映射到风格复现优先级
- 将发现写入 docs/analysis/16-liwc-psycholinguistic.md
适用性检查：
- 词数 500+：低于 500 停止，报告数据不足，不计算维度百分比
- 词数（可靠）1000+：500-1000 时以低置信度标记继续，次要类别（预期 <2%）不可靠
- 词数（稳定次要）3000+：1000-3000 时计算所有维度，但将生物、感知与个人关切类别标记为不稳定
- 语言：以英语为主；非英语文本会使英语校准词典失效，需标记或排除非英语部分
- 语域多样性：理想情况跨多个语域；单一语域语料会限制维度变异性，需在报告中注明
- 作者身份：已知作者；混合/未知作者会产生混合维度画像，需记录局限
工具选择：
- 有 LIWC-22 许可：使用 LIWC-22（金标准，118 个经验证类别，摘要变量，丰富常模；专有收费，无否定处理，词袋模型）
- 需要否定处理：使用 SEANCE（254 项指标，否定处理，词性过滤，开源；经验证常模较少，需 Python 环境）
- 需要自定义类别：使用 Empath（200 类别，可生成自定义类别，开源，与 LIWC r=0.90；无摘要变量，无词性过滤，词袋模型）
- 标准类别足够且无 LIWC：使用自定义词典方法（完全控制，可组合多个经验证词表；需验证，无既定常模，维护负担）
预处理要求（与语义 NLP 不同）：
应做：小写化以匹配词典（LIWC 及替代方案不区分大小写）；保留缩写（"don't"、"can't"），许多词典将其作为条目；仅当词典不含常见缩写时才展开；移除 URL、HTML 标签、用户提及/句柄；规范化空白；标点与词语分开（正确分词）。
不应做：词干化或词形还原（词典含特定词形，词干化会产生错误匹配并漏掉有效条目）；移除停用词（功能词本身就是心理语言学数据——代词、冠词、介词是过程级信息的主要载体）；移除数字，除非数字在语料中占主导（LIWC 有“数字”类别）。
计算维度百分比：对每个 LIWC 式维度，统计匹配该维度词典的词元数，除以总词元数。报告百分比而非原始计数。
适用场景
- 将作者词汇归入心理维度以进行风格画像
- 识别哪些语言语域（认知、社会、情感、感知）在语料中占主导
- 建立维度基线，用于跨语料、时间段或语境比较
- 将心理语言学维度分布映射到风格复现优先级
- 为下游人格、原型或声音建模分析提供输入特征
限制
不适用于：
- 诊断心理状况、心理健康状态或临床画像
- 语料少于 500 词（见数据不足处理）
- 文本以非英语为主（LIWC 词典为英语校准）
- 需要词语在语境中如何使用的语义理解（词典方法无法提供）
- 对人物品格或心理适应性做评价性判断
- 文本为机器生成、高度模板化或公式化（维度百分比反映模板而非个人）
若语料未通过适用性检查：在输出文档中报告失败情况，说明检查了什么、什么未通过，以及为何心理语言学维度分析对该语料不可靠。
关于收费、价格、平台与具体效果，资料未提供更多信息。