作品说明

评论智能分析

从评论文本到运营动作——四种方案横向对比

在 4.6 万条真实大众点评上对比四种方案：TextBlob 基线、零样本 LLM、少样本 LLM 与微调 Qwen，输出 aspect 情感、评分预测与运营动作建议。

这个 Demo 做什么

基于美团点评 ASAP 数据集（46,730 条真实评论，18 个 aspect 人工标注），系统对比 TextBlob、零样本 LLM、少样本 LLM、轻量微调 Qwen 四种方案的情感 F1、评分 MAE 与 aspect F1，并附跨语言（中文→英文 Yelp）泛化验证。内置「亲自试一试」实时面板：粘贴任意评论，Zero-shot / Few-shot 方案实时调用 DeepSeek API 输出真实结果，微调 Qwen 对样例评论返回真实预计算结果、对自定义评论实时模拟运营路由 prompt，最终输出可供运营直接使用的问题类型与优先级建议。

典型使用场景

评论运营优先级排序

自动识别紧急运营问题（服务态度、等待时长、食品安全），输出 high/medium/low 优先级与建议动作。

NLP 方案选型对比

在同一数据集上横向对比规则、零样本、少样本、微调四种路径的性能与成本权衡。

跨语言泛化验证

用英文 Yelp 数据集验证中文训练方案的跨语言迁移能力，识别语言依赖性陷阱。

亲自试一试

粘贴自己的评论，四种方案实时并排输出——Zero-shot/Few-shot 真实调用 DeepSeek，微调模型对样例返回真实预计算结果、对新文本实时模拟。