# 影评情感分析与推荐系统

**Repository Path**: tukc/work

## Basic Information

- **Project Name**: 影评情感分析与推荐系统
- **Description**: 期末作业
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-01-04
- **Last Updated**: 2026-01-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 影评情感分析与推荐系统

本项目是一个基于 Python 的端到端影评处理平台，涵盖了数据采集、清洗预处理、情感分析、机器学习推荐以及前端可视化展示。

## 项目结构

- `data/`: 存储原始数据和处理后的 CSV 文件。
- `src/`: 核心算法模块。
  - `data_generator.py`: 筛选1000 条影评数据。
  - `data_processing.py`: 使用 jieba 进行中文分词和数据清洗。
  - `sentiment_analysis.py`: 使用 SnowNLP 进行情感打分（0-1）和分类。
  - `recommendation.py`: 基于 TF-IDF 和余弦相似度的电影推荐模型。
- `templates/`: Flask 前端模板。
- `app.py`: Flask 后端服务，提供 API 接口。
- `main.py`: 项目启动脚本，一键运行全流程。
- `requirements.txt`: 项目依赖库。

## 关键技术

1.  **数据清洗**: 使用 `pandas` 和 `jieba` 进行中文文本分词及停用词过滤。
2.  **情感分析**: 利用 `SnowNLP` 计算影评情感倾向分数，量化用户主观评价。
3.  **推荐算法**: 基于内容的推荐（Content-based Filtering），通过计算电影评论向量的余弦相似度推荐同类电影。
4.  **可视化**: 前端使用 `ECharts` 绘制情感分布饼图和电影排行柱状图，使用 `Tailwind CSS` 构建响应式界面。

## 运行指南

1.  **安装依赖**:
    ```bash
    pip install -r requirements.txt
    ```

2.  **一键启动**:
    ```bash
    python main.py
    ```
    该脚本会自动生成数据、处理数据并启动 Web 服务器。

3.  **访问系统**:
    在浏览器打开 `http://127.0.0.1:5000` 即可使用。

## 创新点

- **端到端流程**: 从底层数据生成到顶层应用展示的完整链路。
- **实时分析**: 支持用户输入自定义影评并实时返回情感分析结果和推荐列表。
- **直观展示**: 整合了多维度的可视化图表，体现数据驱动决策的思想。