内容分析中的字典和文本分类

内容分析研究者曾经使用了不同的策略来创建类目和变量。

一些研究者对关键词或短语进行人工计数。例如塔夫特清点了1976年民主党和共和党的政纲中出现的一些单词，包括一些有关分配问题的指标（如不公平、退化、平等和再分配等），以及一些有关通货膨胀问题的指标（如通货膨胀、通货膨胀的、物价稳定和物价上涨等）。

在单一概念的基础上构建一整套内容分类的类目也是一种分类方法。
这种方法具有许多优点。它不仅可以对单一理论构念进行深入而细致的分析，还可以就分析中为何保留或排除一些内容给出明确的理由。而且，单一概念的编码方案通常具有较高的效度和信度。

内容分析的另一种策略是编制和使用通用字典。

内容分析字典由以下几部分组成：类目名称、将单词归入指定类目的定义或规则，以及对特定单词的实际赋值。
这种策略给研究人员提供了许多类目（从60个到150个以上），大多数文本中的大多数单词都可以归入这些类目。通用字典一旦编制成功，便有诸多优势，主要体现在以下方面：

1，可供选择的类目涵盖范围广泛；
2，缩短了字典编制、验证和修订的所需时间；
3，标准化的分类；
4，用于不同的研究时，促进可比较的研究结果的积累。

题主说的关于通货膨胀问题的关键词有：通货膨胀、通货膨胀的。这显然是针对英语说的，对于中文，只有一个词“通货膨胀”，没有词干的概念，所以，在词频统计方面要简单得多。直接导入集搜客分词工具，什么都不用做，就可以导出分词结果和词频统计。集搜客分词工具在这里进入: https://www.gooseeker.com/res/softdetail_13.html

关于类目创建，可以参看《内容分析法构建类目要注意什么》