Updated 10/10/2026, 6:41:11 AM

消费者投诉意见挖掘系统

Python爬虫AIStreamlit

功能介绍

消费者投诉意见挖掘系统面向消费研究、企业客服分析和文本挖掘学习场景，将投诉数据采集、统计探索、中文预处理、词云展示与 LDA 主题分析串成分阶段流程。使用者先按采集脚本获取公开投诉记录，以投诉编号去重，整理标题、摘要、品牌、原因、状态和来源等字段，再构建用于分析的主文本。

数据探索阶段统计品牌、投诉原因、状态和行业分布；文本预处理去除 URL、无效空白及重复文本，使用 jieba 分词并过滤停用词，得到词频与分词语料。可视化阶段生成整体词云、高频词、品牌对比和原因对比图，帮助观察消费者集中反馈的问题。

模型阶段使用 LDA 挖掘投诉主题，比较不同主题数的困惑度，输出主题词和每条投诉的主导主题。Streamlit 页面读取已生成分析结果，集中展示数据概览、图表、LDA 主题和投诉样例，使用者可按品牌与主题筛选文本。典型场景是从某品牌投诉量入手，查看相关主题词，再定位样例投诉解释具体问题。

用例图/使用场景

数据准备 → 投诉记录去重 → 统计探索 → 清洗与分词 → 词云及分布图 → LDA 主题建模 → 在 Web 页面按品牌、主题筛选投诉样例。现有用例图展示分析使用者的操作范围。

演示截图

技术栈

采用 Python、Pandas、jieba、Scikit-learn、Streamlit、Matplotlib、WordCloud、Pillow 与 Joblib。工程按数据获取、探索、预处理、可视化、模型构建与 Web 展示分目录组织；页面读取已有分析结果，模型训练由独立脚本完成。附件排除环境依赖与较大的原始数据文件，保留源码、准备流程、分析资料、用例图和演示截图。

项目资料附件

定制服务:+v pink996611