# API

**Repository Path**: Tengzyi/API

## Basic Information

- **Project Name**: API
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-06-26
- **Last Updated**: 2021-04-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#    :shipit: “实评”APP项目

1.原型预览:[点击跳转](https://modao.cc/app/62821057a3ed22883155a4244906fb4cc5579192?simulator_type=device&sticky)

2. 20*20页PPT（带旁白） :[点击下载](https://gitee.com/Tengzyi/API/raw/83878fe7d47d29e5af8ecf331e0afd5bd4d06e59/API%20%E6%BB%95%E5%8D%93%E6%98%93%20181013007.pptx)

---

## 迭代2改进增量内容

1. 增加 图片
    - API调用
    - 需求论证展示利害相关性
    - 用户旅程地图

2. 增加 文字
    - 任务、增长点
    - 融合概率性考察的解决方案
    - 产品市场概述、特征及产品发展优势
    - 具体说明用户画像
    - ESG考察
    - 如何加值
    - 用户体验/旅程
    - 智能API思路方法、产品设计成果的IDEO三要素
    - 输入、输出细节
    - API平台对比
    - 引用API调用代码
    - 对各图片进行补充说明
    - 对原有文字进行补充完善

3. 提交带有旁白的ppt

[diff链接](https://gitee.com/Tengzyi/API/compare/83878fe7d47d29e5af8ecf331e0afd5bd4d06e59...06122c4f6e33ad3fdafa5bf72db90ea0507066b2)

(查看迭代代码差异需点击——加载差异)

---
# 1. 项目名称——实评

#### MVP加值主张宣言：目前市场中还未出现关于对商品评价文字进行分析，以获取真实有用评价的app产品。该产品利用API，快速有效地分析评论，确认该评论是否为真实的用户在体验过商品后所得出的感受。

#### 核心价值宣言：该MVP中，用到的API类型有：评论观点抽取、情感倾向分析、文本审核等。该产品是一款来帮助用户从众多繁杂的评论中筛选出真实的对自己有用的评价，解决用户在筛选商品或服务中无法确认已购用户评价真实性问题的APP，为需要得到真实商品反馈的用户提供更优的处理解决方案。

# 简介

#### 使用情境及用户痛点：用户在网购过程中，需要通过商品评价来衡量对商品的价值考量。但现如今，却因为评价中充斥着大量的刷好评、虚假广告等情况，而无法判断该商品的真实情况。且用户想要在最短的时间内从大量的文字中快速寻找到关键信息。

#### 任务：实评关键智能交互“评论标签”、“商品分析”与关键智能API“评论观点抽取”及“情感倾向分析”结合，解决被繁杂评论所困扰的用户，从中掌握更加有效的信息。

#### 增长点：
        - 利用评论观点抽取API将大量的评论文本进行标签处理，方便用户快速掌握关键信息。
        - 利用文本审核技术，有效去除部分无用垃圾评论。
        - 利用情感倾向分析API，分析评论包含的真实情感，以对商品有更加清晰的认识。

#### 解决方案(融合概率性考察)：

1. 利用“评论观点抽取”的智能API，将评论中的大量文字进行抽取关键词，并输出评论观点*标签*及评论观点极性。
2. 利用“文字审核”的智能API，运用业界领先的深度学习技术，判断一段文本内容是否符合网络发文规范，对所有的评论从恶意推广、低质灌水等方面分析置信度并考量审核维度并搜索是否含有违禁词，最后排除掉所有无用评论，留下真正有用的商品评价以供用户查看。
3. 利用“情感倾向分析”的智能API，通过对电商评论进行情感倾向性分析，将不同用户对同一商品的评论内容按情感极性予以分类展示，自动判断该文本的情感极性类别并给出相应的置信度，情感极性分为积极、消极、中性。

用户在选择商品时，该产品利用以上API分析已购买客户对商品的真实反馈，在良莠不齐的商品评价中，排除掉那些恶意竞争产生出的毫无用处的评价，从而在购物中挑选到更加优质更加适合自己的产品。

#### AI概率性考察：

百度自然语言处理方面API：SLA稳定保持99.99%以上，支持千亿量级调用需求，配有完善的统计和监控措施

    - 情感倾向分析：在多个垂类上（汽车、餐饮、酒店等）情感倾向性分析准确率达到95%以上，已应用于实际电商产品销售分析中

    - 文本审核：依托海量数据搭建的多种语义模型，对不同领域的垃圾文本都能很好识别，识别准确率高。万级敏感词库数据天级别更新，持续迭代文本审核能力效果，可做到新型复杂违规文本的识别
    
    - 评论观点抽取：支持美食、酒店、汽车、景点、KTV等13类产品的评论观点抽取，覆盖了互联网主流商品评论。基于语义实现评论观点分析，观点标签抽取和极性分析。准确率高，已实际用于多个产品中。基于大数据挖掘自动获得用户评论的关注点，关注点维度多样、刻画精细，

## 产品市场

通过查找相关资料发现，市面上目前并未出现关于分析商品评价的App产品。人工智能的快速发展，使NLP技术逐渐进入人们的视野。通过对评论中的文字进行分析利用让用户能够快速筛选对自己有用的评价是用户所需的。

## 市场概述

### 分析评论观点市场概述

> 根据一份来自whatech的预测报告显示，2020年，全球自然语言处理市场将达到134亿美元。该研究报告还指出推动这一市场的因素，以及影响其未来发展蓝图的各种限制，挑战和机遇。

此外，报告还强调这一创新市场的关键应用趋势，自然语言处理技术的发展，有吸引力的市场机会，以及商业案例等。

市场研究机构MarketsandMarkets预计不同行业对NLP的需求都有明显的增长趋势，因为这可以极大增强客户体验和机器对机器（M2M）等相关技术技术的需求。

目前来看，自然语言处理市场的主要公司包括3M、苹果、杜比系统、谷歌、惠普、IBM、微软，、NetBase Solutions、SAS软件研究所、Verint Systems等。


### 市场特征
- 根据目前的形势，NLP技术已经基本可以实现，但是却没有相对应的市场对评价反馈进行分析。
- 在查找资料的过程中，我发现网络上存在着许多技术帖子，教学如何使用API接口对商品评价进行分析处理以发现真实评价及从评价所带来的情感态度，可以看出该服务的需求市场。
- 处理评论类软件尚缺，未出现相关产品。

### 发展优势

- 缺少同类型产品，竞争对手数量少，竞争力度小。
- 开发成本较低（主要功能通过调用API即可实现）。
- 缓解用户无法了解商品真实情况的问题。
- 功能实用，痛点明显，可以解决相关问题。


## 2. 问题表述与需求列表

问题： **以人为中心** 了解发现，有许多人不满于商品评论中存在大量刷评论现象，表示其会影响自身购物的判断。且评论中大量的文字，无法快速了解到商品的核心特点。

#### 有谁需要？：该产品给需要网购却因为评论问题难以下手购买的人提供帮助。

#### 为什么做？：解决因为评论夹杂着各种无关信息，无法快速准确判断商品质量等问题。

#### 用户画像：

1. ![妇女](https://images.gitee.com/uploads/images/2020/0720/232439_c0bea675_2228840.jpeg)

    - 目标对象：会网购的中年人群
    - 年龄：30~45岁
    - 特点：有一点上网能力，但不能完全分辨网络上的事物
    - 用户需求：了解到最真实的商品使用情况



2. ![青年](https://images.gitee.com/uploads/images/2020/0720/233629_ad7bb395_2228840.png)
    
    - 目标对象：日常上网的年轻人群
    - 年龄：12~24岁
    - 特点：懒得出门购物，因而经常网购
    - 用户需求：因为刷好评现象，经历了多次惨痛的网购经历，想要了解到真实的购买后情况


#### 利害相关性分析

![](/img/利益相关性.png)

![](/img/多方利益.png)

#### ESG考察：我认为利用该智能产品App，可以帮助用户在购物中避免不良商品而挑选到更加优质更加适合自己的产品（解决方案），从而解决社会问题（改善网购人群时常购买到名不副实的商品的情况）。

### 2.1 问题表述

#### 需求项：

1. 大量的评论和大篇幅文字让用户需要花费大量时间去寻找真实有用的评价。（最重要）
2. 刷屏的虚假广告和垃圾评价，使用户要在其间找到有用的评价十分困难。（次重要）
3. 无法从评价中快速获取到关键词及使用后真实情感。（次重要）

### 2.2 需求列表

| 优先级（重要性） | *需求（API←→用户需求）* | API名称 | 是否是智能加值？ | API类型 | *智能加值（如何加值？）* |
| :-: | :-: | :-: | :-: | :-: | :-: |
| 1（最重要） | 从大量的文字评价中快速抓住关键信息及标签分类 | 百度评论观点抽取API | 是 | 自然语言处理 | 通过标签形式，为用户快速抓取评论中的关键词 |
| 2（次重要） | 去除无用评价（低质灌水、垃圾广告等） | 百度文本审核API | 是 | 自然语言处理 | 通过文本审核技术，将垃圾无用评论加以区分并删除，减轻用户查看评论负担 |
| 3（次重要） | 用以区分 已购用户被迫好评但给出真实的不良评价 | 百度情感倾向分析API | 是 | 自然语言处理 | 通过该API，分析评论情感，了解该用户真实心理 |

## 3. 解决方案原型表述

#### 用户体验/旅程

![用户旅程地图](./img/用户旅程.png)

文字识别或拍照识别——>商品详情页——>商品分析——>评论情感倾向——>标签处理——>图表分析页

![](/img/价值主张画布.png)

该产品的功能是分析用户上传的商品的评价，对其进行处理得到用户需要的结果。

一分钟展示原型交互

![1分钟展示](/img/APIyuanxing.gif)

点击下方链接，了解产品查看界面详情和交互。总共20个页面，包含1启动页、6重要页面、4付款页。

[产品原型试用](https://modao.cc/app/62821057a3ed22883155a4244906fb4cc5579192?simulator_type=device&sticky)

[点击下载原型PPT](https://gitee.com/Tengzyi/API/raw/master/API%20%E6%BB%95%E5%8D%93%E6%98%93%20181013007.pptx)

### 3.1 界面流程及关键智能交互

进入首页后，通过文字识别或拍照识别的智能交互进入不同的搜索页面，让用户选择不同的方式，进入到所选的商品详情。点击商品分析，进入分析页面，即可查看该商品以下在通过审核后排除掉无用评论后的有价值。首先，可以看到该产品将各评论进行分析，通过情感倾向将评论分为好评和差评，并根据其内容制作标签形式，使用户对商品有最基本的认识。接着将其中的评论进行颜色化处理，让用户一眼就能看出评价中的关键信息，对商品有了更进一步地认识。还有最后的图表分析页面，该产品将观点进行抽取获得气泡图，使商品的主要评价标签一目了然，并将商品的观点聚类，让用户对商品价格、服务等方面有了更清晰地判断，实现MVP价值体现。

#### 智能API思路方法：

- 商业可行性：通过分析评论后得到的商品更能留住用户，优选商品更能吸引到更多的用户

- 技术可行性：利用评论观点抽取、情感倾向分析、文本审核的API功能，实现该产品技术上的可行性

- 用户可欲性：排除垃圾评论，进而跟有效地收集到有用评论

#### 输入：选择文字搜索或拍照/照片搜索

![输入](./img/搜索.png)

#### 输出：弹出商品详情页

![输出](./img/分析前.png)

#### 界面流程图DFD

![](/img/交互界面DFD.png)

以下为关键智能交互的前后的界面设计

### 交互前  通过拍照、文字的搜索方式，查看所需商品

![](/img/首页.png)

![](/img/拍照.png)

![](/img/搜索.png)

![](/img/分析前.png)

### 交互后  在搜索后，通过智能API,对商品评价进行标签处理及分析情感和文本审核，并制成图表。

![](/img/分析.png)

![](/img/标签.png)

![](/img/审核.png)

![](/img/图表.png)

### 3.2 数据流程及关键智能API使用

API驱动智能流程方面，首先在首页上有复制链接及拍照上传两种方法，通过文字识别或拍照识别的智能交互将用户搜索的商品信息上传至后台数据库，并匹配到对应商品的评价部分对其使用评论观点抽取、情感倾向等关键智能API结合，最后将分析结果显示在App的后续页面。处理数据为用户显示一目了然的评价标签，并制成图表，使用户对该商品内的评价有更直观的认识，为之后用户的购买选择提供一个参考方向，解决了用户无法通过真实评论购买商品的问题，实现MVP价值体现。

#### API驱动智能流程：实评关键智能交互“评论标签”、“商品分析”与关键智能API“评论观点抽取”及“情感倾向分析”结合，解决被繁杂评论所困扰的用户，从中掌握更加有效的信息。

数据输入细节：前端转换并让后端及数据库录入商品及其对应评价数据。

数据输出细节：API将转换完成的分析后评价反馈给后端，前端获得经过智能API所产生的结果数据并实现标签化及图表生成，

#### 产品设计成果：

- 商业可行性：成功获取到的优质评价能够增加用户对商家的信任感，进而在购买商品的时候更加毫不犹豫，提高商品销量。

- 技术可行性：通过API功能，成功获取到不含有垃圾信息的有用评论；将评论文字标签化；分析评论情感。

- 用户可欲性：只需简单搜索商品，就能了解到其真实评价。

#### 各API平台对比

可取代性：

在文本审核及情感分析API中，阿里平台与百度平台都具备此类API且实际上手效果相差不大，因此两者API可以相互取代。

优势分析：

[百度AI开放平台](https://ai.baidu.com/)：百度API平台在自然语言处理（NLP技术）上，种类较为丰富，可供该产品使用。

[阿里](https://vision.aliyun.com/)：阿里平台有旗下淘宝，因而在商品评价分析时更具有优势，但其商品种类不够完整，故而放弃该平台API。

#### 数据流程图DFD

![](/img/数据DFD.png)

API代码：



```
# 评论观点抽取API

>request_url = "https://aip.baidubce.com/rpc/2.0/nlp/v1/lexer"

text = "在这家店买过好几次了，是回头客。口味还是一如既往的好吃，就是份量太少太少，价格太贵，而且快递太慢了。"
text1 = text.encode(encoding='UTF-8')
print(text1)

params = {
    "text":text
}
access_token = '[24.975e3fd********564cf69c80a1f6527.2592000.1597678710.282335-21463884]'
request_url = request_url + "?access_token=" + access_token + "&charset=UTF-8"
headers = {'content-type':'application/json'}
response = requests.post(request_url,data=json.dumps(params),headers=headers)

response.json()
```

```
# 文本审核API

request_url = "https://aip.baidubce.com/rest/2.0/solution/v1/text_censor/v2/user_defined"

text = "在这家店买过好几次了，是回头客。口味还是一如既往的好吃，就是份量太少太少，价格太贵，而且快递太慢了。"

params = {"text":text}
access_token = '[24.975e3fd********564cf69c80a1f6527.2592000.1597678710.282335-21463884]'
request_url = request_url + "?access_token=" + access_token + "&charset=UTF-8"
headers = {'content-type':'application/x-www-form-urlencoded'}
response = requests.post(request_url,data=params,headers=headers)

response.json()
```

```
# 情感倾向分析API

request_url = "https://aip.baidubce.com/rpc/2.0/nlp/v1/sentiment_classify"

text = "在这家店买过好几次了，是回头客。口味还是一如既往的好吃，就是份量太少太少，价格太贵，而且快递太慢了。"

params = {
    "text":text
}
access_token = '[24.975e3fd********564cf69c80a1f6527.2592000.1597678710.282335-21463884]'
request_url = request_url + "?access_token=" + access_token + "&charset=UTF-8"
headers = {'content-type':'application/json'}
response = requests.post(request_url,data=json.dumps(params),headers=headers)

response.json()
```

API试用链接：

[文本审核试用](https://ai.baidu.com/tech/textcensoring)

[情感倾向分析试用](https://ai.baidu.com/tech/nlp_apply/sentiment_classify)

[评论观点抽取试用](https://ai.baidu.com/tech/nlp_apply/comment_tag)


API测试代码技术文档：

[文本审核API](https://ai.baidu.com/ai-doc/ANTIPORN/Rk3h6xb3i)

[情感倾向分析API](https://ai.baidu.com/ai-doc/NLP/zk6z52hds)

[评论观点抽取API](https://ai.baidu.com/ai-doc/NLP/tk6z52czc)

智能API简介：

评论观点抽取：自动抽取和分析评论观点,帮助您实现舆情分析、用户理解，支持产品优化和营销决策

情感倾向分析：对包含主观信息的文本进行情感倾向性判断，可支持在线训练模型调优效果，为口碑分析、话题监控、舆情分析等应用提供帮助

文本审核：一站式检测文本中夹杂的色情、推广、辱骂、违禁、涉政、灌水等垃圾内容，净化网络环境，为您的应用提供更可靠的内容安全保障

人工智能概率性考量：或许会出现极其隐蔽的垃圾广告或低质灌水，无法被该产品识别到，并列入可用数据呈现给用户，影响用户体验。但因为只是个别例子，且此时已在筛选留下有用信息后，所以带有个别没有被发现的垃圾评论依旧比原数据更有价值，更方便用户辨别评价的价值。在后续，通过API数据集的不断完善扩展，这些垃圾信息也会越来越少，并不影响价值主张为底线。

## 4. 学习/实践心得总结及感谢

学习心得：通过API人工智能这门课的学习，我了解到了许多有关API的知识，更加深入地明白了API调用的机制，更清楚地了解到高德地图等产品部分功能实现的具体过程。在通过查看官方文档并成功调用API的时候，让我真切地感受到科技带来的便利以及API的强大和易操作，即使是初学的小白，也能立刻掌握并实现功能。总结：在调用API时，如果出现了各种报错问题，建议多查看API使用文档。

感谢[百度AI开放平台](https://ai.baidu.com/)是他们的支持让我对API有了更深刻的理解，并将其API（我用到的API有：评论观点抽取、文本审核、情感倾向分析）运用到我的产品中，更加完整了我的产品，为其提供了技术帮助。感谢[墨刀平台](https://modao.cc/)提供的免费产品原型制作，让我初步完成了“实评”App的原型。感谢[processon网站](https://www.processon.com/)，使我完成了流程图的制作。感谢廖老师和许老师在此门课程上花费了许多时间，来为我们演示代码，为我们打开API的大门，了解到API。