# 人智作业

**Repository Path**: qiancheng194/human-intelligence-homework

## Basic Information

- **Project Name**: 人智作业
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-06
- **Last Updated**: 2026-06-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于深度学习与本地智能解释的中文电商评论情感分析系统

本项目用于《人工智能基础B》期末大作业。系统面向中文电商评论，完成评论情感二分类、批量统计、可视化展示和本地智能解释生成。默认不依赖外部 API 或密钥，提交给他人后按说明安装依赖即可运行。

系统没有登录功能，不需要邮箱、账号或密码；启动后可直接在本地浏览器中使用。

## 项目结构

```text
.
├── app.py                    # Streamlit 可视化主程序
├── data/
│   ├── raw/sample_reviews.csv # 内置示例评论数据
│   └── README.md             # 开源数据集说明
├── llm/
│   ├── interpreter.py        # 本地智能解释模块
│   └── prompts.py            # 提示词模板
├── models/
│   ├── text_cnn.py           # TextCNN 深度学习模型
│   ├── train.py              # 训练脚本
│   └── evaluate.py           # 评估脚本
├── utils/
│   ├── metrics.py            # 指标计算
│   └── preprocess.py         # 清洗、分词、划分
├── report/项目主报告.md       # 主报告正文
├── scripts/generate_report_pdf.py
├── requirements.txt
└── run.bat
```

## 环境安装

推荐使用 Python 3.11：

```powershell
conda create -n ai_homework python=3.11 -y
conda activate ai_homework
pip install -r requirements.txt
```

## 一键运行

双击 `run.bat`，或执行：

```powershell
python -m streamlit run app.py
```

如果尚未训练模型，界面会使用内置词典与示例统计进行稳定演示；训练完成后会自动优先加载深度学习模型权重。

运行过程不需要注册登录，也不需要配置邮箱或 API Key。

## 训练模型

内置示例数据可跑通流程。若使用完整开源数据集，请下载 `online_shopping_10_cats` 中文电商评论语料，将 CSV 放到 `data/raw/online_shopping_10_cats.csv`，并保证至少包含评论文本列和标签列。

```powershell
python models/train.py --data data/raw/sample_reviews.csv --epochs 8
python models/evaluate.py --data data/raw/sample_reviews.csv
```

训练后权重保存到 `models/best_model.pt`。

## 生成报告 PDF

```powershell
python scripts/generate_report_pdf.py
```

输出文件为 `report/项目主报告.pdf`。

## 提交材料建议

最终压缩包命名按课程要求替换占位符：

```text
专业班级+第一作者学号+姓名+中文电商评论情感分析.zip
```

建议包含：源码、`requirements.txt`、`run.bat`、README、报告 PDF、演示视频和必要截图。不要打包虚拟环境、依赖目录或大型缓存。