关键词密度工具，两个工具引用同一来源是否算独立证据
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /1625f30ff83a.html
📄
关键词密度工具，两个工具引用同一来源是否算独立证据
通常不算。如果两个关键词密度工具读取的是同一份词表、同一套分词规则或同一段抓取文本，它们给出的密度值再接近，也只是同一条证据被复制了两次。真正能算独立证据的，是两个工具在数据来源、切词口径或统计范围上至少有一处互不依赖。
先看一个反常现象：两个工具都给出偏高值
你拿同一篇文章分别测密度，A 工具说某词占 4.1%，B 工具说 3.9%，都高于你预期。直觉上你会认为“两个工具都这么说，应该可信”。但这个结论成立的前提是它们没有共用同一上游数据。很多密度工具的差异只体现在界面和阈值上，底层却可能引用同一份停用词表、同一套分词库，甚至同一份网页正文提取结果。此时两个数字高度接近，恰恰说明它们不是两次独立测量，而是一次测量的两种展示。
两种解释：口径一致，还是来源同源
第一种解释是口径一致。两个工具都按“词频÷总词数”计算，都排除了标点与停用词，所以结果接近，这是方法相同带来的正常收敛。第二种解释是来源同源。两个工具都调用同一套分词组件，或都从同一份缓存正文里取文本，那么它们其实在测量同一个对象。区别在于：口径一致是各自独立处理后的巧合或共识，来源同源是根本没有第二次独立处理。
判断属于哪一种，不能只看数值差多少。数值差小既可能来自口径一致，也可能来自来源同源。需要找的是“处理链条上有没有分叉”。
能区分两种解释的证据
下面这些线索比数值本身更有分辨力：
- 总词数是否同步变化。换一篇文本后，如果两个工具的总词数几乎成固定比例，说明它们可能共用分词逻辑；如果比例随文本类型波动，更可能是各自独立切词。
- 对同一处边界词的处理。比如“数据分析”算一个词还是两个词。两个工具若在多个边界词上给出完全相同的切分，同源可能性上升。
- 停用词表是否可查。能分别看到各自停用词清单，且清单不同，才具备独立比较的基础。若都不可见，只能标记为“来源不明”，不能当作独立证据。
- 输入文本是否经过同一提取步骤。如果两个工具都从同一份已提取的纯文本读取，那么网页解析差异已经被抹掉，它们共享了同一上游。
一个可操作的动作是：准备一段人为构造的短文本，其中包含几个边界词和重复词，分别用两个工具测，记录总词数与目标词频。假设这段文本里“密度”出现 3 次，总词数按一种切法为 60，按另一种切法为 55，那么密度会分别是 5.0% 与 5.5%。如果两个工具都报 5.0%，说明它们采用了同一种切法；如果分别报出两个值，说明切词口径确实分叉。这个动作的结果会直接决定下一步：只有确认分叉后，两个工具的接近值才能互相印证；否则应把它们视为一条证据，另找来源不同的工具或人工抽样核对。
什么时候“同一来源”仍然有用
同源不等于无用。它至少能验证其中一个工具的输出是否稳定、是否可复现。但它的作用限于一致性检查，不能用来支撑“多个独立来源都指向同一结论”。如果你要判断某篇文章的密度是否真的偏高，更可靠的做法是：先用一个工具得到数值，再人工统计一段抽样文本中的目标词与总词数，用这个人工结果作为独立参照。人工抽样不必覆盖全文，但需要注明抽样范围与切词假设，否则它也只是另一种口径。
因此，面对两个工具引用同一来源的情况，正确结论是：把它们合并为一条证据，然后补一条来源不同的证据，再决定是否调整文本。若无法找到独立来源，就明确标注该判断只有单一支撑，不把它当作多源验证的结果。
