全球宪法法语义地图
如何从关键词搜索或语义搜索出发，打开完整宪法条文，并确认一个结果是否真的支持你的研究判断。
当你已经知道要验证的术语或制度时，关键词搜索更合适。若你想找语义接近、但表述不同的段落，语义搜索更有用。
实际使用中，最好把两者结合起来：先用精确搜索建立锚点，再用语义搜索扩大视野。
摘要片段只适合筛选。真正的验证发生在你打开完整条文，并继续查看同一聚类附近的其他段落时。
阅读指南
3D视图中的每个点代表一个宪法条文或其他有意义的法律单位。相邻的点之所以相邻，不是因为它们来自同一个国家，而是因为这些段落的语言在语义上相似。使用国家选择来比较不同宪法如何占据相同的语义领域。
地图和国家列表是选择工具。它们决定将哪些宪法加载到场景中。选择更多国家不会改变嵌入本身的几何形状；它改变的是您可以检查的全球语义空间的哪些部分。
嵌入将法律文本转化为向量，聚类步骤将倾向于讨论相关宪法主题的向量分组。在国家模式下，颜色显示政治来源。在聚类模式下，颜色显示主题邻域。
大而密集的云团通常表示反复出现的宪法理念，如权利、制度、紧急权力、选举或修正规则。孤立的点通常标记不寻常的条款、罕见的措辞或特定国家的宪法设计选择。
平台提供两种搜索方式：关键词搜索查找术语的字面出现，而语义搜索即使没有匹配的术语也能检索概念上相近的段落。搜索结果在3D画布上突出显示语义空间的区域，将您阅读的内容与其所在位置联系起来。
在国家统计中，覆盖率衡量一部宪法在全球聚类景观中的覆盖程度。熵衡量其片段在该景观中的分布均匀程度：高熵表示更广泛的语义分布，而低熵表示集中在较少的主题上。
在条文详细面板中，全局聚类是在全球聚类中分配给该片段的主题组标识符。当值为-1时，意味着该片段在全局步骤中被排除在已定义的主题分组之外。概率表示聚类模型将该片段放入该组的置信度：较高的值意味着更好的匹配，而较低的值通常标记更模糊或边界的情况。