English | 中文

Comment Sentiment Filter（评论区情感过滤器）

基于 BERT 的中英文评论情感分析与内容过滤服务，支持识别恶意评论、建设性反馈与常规情感分类，并提供简洁的前端可视化界面。

功能概览

• 中英文评论情感分析，输出 toxic | negative | neutral | positive | constructive
• 恶意评论检测：低情感分 + 关键词命中
• 建设性反馈识别：高情感分 + 关键词命中
• 单条与批量分析 API
• 前端支持筛选、统计与样本加载

技术栈

• 后端：FastAPI + Transformers + PyTorch
• 前端：Svelte 5 + Vite
• 模型：nlptown/bert-base-multilingual-uncased-sentiment

快速开始

1. 后端安装依赖（二选一）
   • 使用 uv（推荐）

     uv sync

   • 使用 pip

     pip install -e .

2. 启动后端

   uv run python main.py

   首次运行会下载约 700MB 的 BERT 模型，请确保网络通畅。
3. 启动前端

   cd frontend
   pnpm install
   pnpm dev

   前端默认通过 Vite 代理访问 http://localhost:8000/api。

API 说明

• POST /api/analyze
  • 请求体：{"text": "你的评论"}
  • 返回：CommentResult
• POST /api/analyze/batch
  • 请求体：{"comments": [{"text": "..."}, {"text": "..."}]}
  • 返回：{"results": [CommentResult, ...]}
• GET /api/samples
  • 返回内置样本评论列表
• GET /api/health
  • 返回服务状态与模型加载情况

CommentResult 结构

{
  "text": "string",
  "category": "toxic|negative|neutral|positive|constructive",
  "confidence": 0.0,
  "sentiment_score": 1,
  "is_toxic": false,
  "is_constructive": false
}

训练与评估

• 训练

  uv run python -m training.train --data data/train.json --epochs 5

• 评估

  uv run python -m training.evaluate --model model_cache/finetuned --data data/test.json

• 数据格式（JSON）

  [
    { "text": "评论内容", "label": "toxic|negative|neutral|positive|constructive" }
  ]

测试

uv run pytest

测试会触发模型下载与加载，请预留时间与网络带宽。

项目结构

• app/：FastAPI 服务与分类逻辑
• training/：微调与评估脚本
• data/：样本数据
• frontend/：Svelte 前端