产品评论情感分析工具

一个基于 React + Flask + Jieba + Sklearn 的电商平台商品评论情感分析工具。

功能特性

• ✅ 情感分析: 使用机器学习模型分析评论情感（正面/负面/中性）
• ✅ 关键词提取: 自动提取评论中的关键词并统计权重
• ✅ 满意度评分: 基于情感分析计算用户满意度评分
• ✅ 批量分析: 支持批量分析多条评论并生成统计报告
• ✅ 可视化展示: 使用图表展示情感分布和关键词统计

相关截图

技术栈

前端

• React 18
• Axios (HTTP请求)
• Recharts (数据可视化)

后端

• Flask (Python Web框架)
• Jieba (中文分词)
• Scikit-learn (机器学习)
• TF-IDF (特征提取)
• 朴素贝叶斯 (情感分类)

项目结构

产品评论分析工具/
├── backend/              # Flask后端
│   ├── app.py           # 主应用文件
│   └── requirements.txt # Python依赖
├── frontend/            # React前端
│   ├── public/
│   ├── src/
│   │   ├── components/  # React组件
│   │   ├── App.js
│   │   └── index.js
│   └── package.json
└── README.md

安装和运行

后端设置

1. 进入后端目录：

cd backend

2. 创建虚拟环境（推荐）：

python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

3. 安装依赖：

pip install -r requirements.txt

4. 启动Flask服务器：

python app.py

后端将在 http://localhost:8080 运行

前端设置

1. 进入前端目录：

cd frontend

2. 安装依赖：

npm install

3. 启动开发服务器：

npm start

前端将在 http://localhost:3000 运行

API接口

1. 单条评论分析

• URL: /api/analyze
• 方法: POST
• 请求体:

{
  "text": "这个商品质量很好，非常满意！"
}

• 响应:

{
  "text": "评论内容",
  "sentiment": {
    "sentiment": "positive",
    "confidence": 0.95,
    "probabilities": {
      "positive": 0.95,
      "negative": 0.03,
      "neutral": 0.02
    }
  },
  "keywords": [
    {"word": "商品", "weight": 0.5},
    {"word": "质量", "weight": 0.4}
  ]
}

2. 批量评论分析

• URL: /api/analyze-batch
• 方法: POST
• 请求体:

{
  "comments": [
    {"text": "评论1"},
    {"text": "评论2"}
  ]
}

• 响应: 包含详细分析结果和统计信息

3. 健康检查

• URL: /api/health
• 方法: GET

使用说明

1. 单条评论分析:

   • 在输入框中输入一条评论
   • 点击"开始分析"按钮
   • 查看情感分析结果、关键词提取和置信度

2. 批量评论分析:

   • 切换到"批量评论分析"标签
   • 添加多条评论
   • 点击"开始批量分析"
   • 查看满意度评分、情感分布图表和关键词统计

注意事项

• 确保后端服务在端口 8080 运行
• 如果遇到 CORS 问题，检查 Flask-CORS 配置
• 模型使用简单的训练数据，实际项目中建议使用更大的数据集进行训练

许可证

MIT License