Social Sentiment Analyzer

本地社交媒体舆情分析技能，集成本地 LLM 情感分析与机器学习点赞预测。

前置条件

本地模型服务需在 localhost:8000 运行。启动方式：

cd server && python app.py

工作流

1. 情感分析

读取用户提供的评论数据文件（CSV/JSON），调用本地 Qwen3.5-4B 模型进行：

• 情感极性分类（正面/负面/中性）
• 关键话题提取
• 评论情绪强度评分（0-100）

python scripts/analyze.py --input <data_file> --output <result_file>

2. 点赞预测

基于评论特征（长度、发布时间、情感、表情等），使用本地随机森林模型预测点赞量：

python scripts/predict.py --input <data_file> --output <result_file>

3. 综合报告生成

整合情感分析与点赞预测结果，生成 HTML 可视化报告：

python scripts/report.py --sentiment <sentiment_file> --prediction <prediction_file> --output <report.html>

数据格式

输入数据支持 CSV 或 JSON，需包含以下字段（列名兼容中英文）：

| 字段 | 说明 | 示例 | |------|------|------| | content / 评论内容 | 评论文本 | "这个产品真好用" | | likes / 点赞数 | 点赞数量（预测时可为空） | 120 | | timestamp / 时间 | 发布时间 | "2025-03-30 14:00" | | user_level / 用户等级 | 达人等级（可选） | "3" |

输出示例

情感分析输出 JSON：

{
  "summary": {
    "total": 500,
    "positive": 320,
    "negative": 80,
    "neutral": 100
  },
  "topics": ["产品质量", "物流速度", "客服态度"],
  "details": [
    {"content": "...", "sentiment": "正面", "score": 85, "topic": "产品质量"}
  ]
}

注意事项

• 模型服务首次启动需 20-40 秒加载模型
• 单次分析建议不超过 1000 条评论
• 所有数据处理在本地完成，不上传任何信息
• 支持 OpenVINO NPU 加速（需 Intel 硬件）
• Qwen3.5 默认使用非思考模式以加速推理

版本历史

• v1.0.0 (2026-07-16): 首次发布，支持情感分析、点赞预测、报告生成