# NLP FRONTEND

**Repository Path**: maniacratt/nlp-frontend

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-23
- **Last Updated**: 2026-03-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# NLP 智能评分系统

基于自然语言处理的文本质量评估系统，支持多种评分模型。

## 功能特点

✨ **多模型支持**
- 规则引擎模型：基于规则的快速评分
- NLP 深度学习模型：支持自定义深度学习模型
- 智能备用方案：自动降级到外部库实现

🎨 **高级简约设计**
- 白蓝色系高级配色
- 流畅的交互动画
- 响应式布局设计

📊 **全面评估**
- 文本长度评分
- 词汇丰富度分析
- 可读性评估
- 情感倾向分析
- 连贯性检测

🔍 **关键词云**
- 智能关键词提取
- 情感分类标注
- 权重可视化
- 点击查看详情

📁 **多种输入方式**
- 直接文本输入
- URL 网页抓取
- 文件上传（TXT/CSV）
- 批量评分支持

## 快速开始

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 运行系统

```bash
python app.py
```

### 3. 访问系统

打开浏览器访问：http://localhost:5000

## 模型配置

### 规则引擎模型（默认）

无需配置，开箱即用。

### NLP 深度学习模型

#### 方案一：使用自定义模型

1. 将训练好的模型放入 `models/nlp_model/` 目录
2. 确保模型文件包含：
   - config.json
   - pytorch_model.bin
   - vocab.txt
   - tokenizer_config.json

3. 在界面上切换到"深度学习模型"

#### 方案二：使用备用 NLP 实现（推荐）

如果没有自定义模型，系统会自动使用备用 NLP 实现。

**安装可选依赖以获得更好的效果：**

```bash
# 安装 TextBlob（用于高级情感分析）
pip install textblob

# 安装 NLTK（用于高级分词）
pip install nltk

# 下载 NLTK 数据
python -c "import nltk; nltk.download('punkt')"
```

**备用 NLP 特点：**
- ✅ 无需训练模型
- ✅ 自动使用 TextBlob 进行情感分析
- ✅ 自动使用 NLTK 进行分词
- ✅ 如果外部库未安装，自动降级到基础规则引擎

## 模型切换

系统支持在运行时动态切换模型：

1. 点击页面顶部的模型选择按钮
2. 选择"规则引擎"或"深度学习模型"
3. 系统会自动切换并显示通知

**智能降级机制：**
```
自定义 NLP 模型
    ↓ (如果不存在)
备用 NLP 实现（TextBlob + NLTK）
    ↓ (如果库未安装)
基础规则引擎
```

## 批量评分

### CSV 文件格式

支持包含以下列名的 CSV 文件：
- Review / review
- Summary / summary
- content
- text
- description

**示例：**
```csv
Review,Rating
"This is an excellent product!",5
"Not bad, but could be better.",3
"Terrible experience.",1
```

### 批量评分功能

- 📊 统计概览（总行数、成功/失败数、平均分等）
- 📝 详细结果列表
- 📥 导出评分结果为 CSV
- 🔍 展开/收起详情

## API 接口

### 文本评分

```bash
POST /api/score
Content-Type: application/json

{
  "text": "Your text here"
}
```

### URL 评分

```bash
POST /api/score_url
Content-Type: application/json

{
  "url": "https://example.com/article"
}
```

### 文件评分

```bash
POST /api/score_file
Content-Type: multipart/form-data

file: [CSV or TXT file]
```

### 切换模型

```bash
POST /api/switch_model
Content-Type: application/json

{
  "model_type": "rule" | "nlp"
}
```

### 获取模型状态

```bash
GET /api/model_status
```

## 评分维度

### 1. 文本长度 (15%)
- 评估文本的长度是否适中
- 过短或过长都会影响得分

### 2. 词汇丰富度 (25%)
- 计算独特词汇占比
- 词汇多样性越高，得分越高

### 3. 可读性 (20%)
- 评估平均词长和句长
- 符合阅读习惯的文本得分更高

### 4. 情感倾向 (20%)
- 分析文本的情感极性
- 正面情感得分更高

### 5. 连贯性 (20%)
- 评估句子长度的一致性
- 结构连贯的文本得分更高

## 等级划分

- A+ : 90-100 分
- A  : 85-89 分
- B+ : 80-84 分
- B  : 75-79 分
- C+ : 70-74 分
- C  : 65-69 分
- D  : 0-64 分

## 技术栈

### 后端
- Flask：Web 框架
- BeautifulSoup：网页解析
- TextBlob：情感分析（可选）
- NLTK：自然语言处理（可选）
- Transformers：深度学习模型（可选）

### 前端
- 原生 JavaScript
- CSS3 动画
- 响应式设计

## 项目结构

```
LSY/
├── app.py                  # Flask 应用主文件
├── model_interface.py      # 模型接口层
├── nlp_scorer.py          # 规则引擎评分器
├── nlp_fallback.py        # 备用 NLP 实现
├── models/                # 模型目录
│   ├── nlp_scorer.py     # 深度学习模型评分器
│   ├── model_config.json # 模型配置
│   └── README.md         # 模型文档
├── static/               # 静态资源
│   ├── css/
│   │   └── style.css    # 样式文件
│   └── js/
│       └── main.js      # 前端逻辑
├── templates/           # HTML 模板
│   └── index.html      # 主页面
└── README.md           # 本文件
```

## 常见问题

### Q: 模型切换失败怎么办？

A: 系统会自动恢复到之前的模型，不会影响使用。检查控制台日志查看详细错误信息。

### Q: 如何提高评分准确性？

A: 
1. 安装 TextBlob 和 NLTK 库
2. 使用自定义训练的深度学习模型
3. 根据实际需求调整评分权重

### Q: 支持中文吗？

A: 目前主要针对英文优化，中文支持有限。可以通过训练中文 NLP 模型来改进。

### Q: 批量评分有数量限制吗？

A: 建议单次批量评分不超过 1000 条，以保证响应速度。

## 许可证

MIT License

## 贡献

欢迎提交 Issue 和 Pull Request！

## 联系方式

如有问题，请通过 GitHub Issues 联系。