Updated 10/10/2026, 6:41:25 AM

消费者投诉分析系统

Python爬虫文本挖掘Streamlit

功能介绍

消费者投诉分析系统按数据获取、数据探索、预处理、可视化、LDA 主题模型与 Web 展示六个阶段组织，面向投诉数据研究者、客服业务分析人员和文本挖掘课程使用者。使用者先准备投诉结构化数据，运行探索脚本了解品牌与投诉原因分布，再进行文本清洗、分词和停用词处理，为主题分析准备语料。

可视化脚本输出词云、词频及相关分布图；LDA 阶段生成主题关键词与投诉文档的主题分布，并提供建模和评估记录，便于从大量文本中提炼集中出现的问题。Web 页面将统计结果、文本信息和主题输出集中展示，使用者可从总体投诉情况进一步查看品牌或主题下的投诉样例。

典型流程是先观察某类投诉的数量分布，再阅读主题关键词和代表文本，结合原始投诉解释问题。工程保留分阶段运行脚本、输入输出路径和过程文档，适合复现文本分析实验，以及按同一流程处理新一批投诉数据。

用例图/使用场景

准备投诉数据 → 探索品牌与原因分布 → 清洗分词 → 生成统计图与词云 → LDA 建模和评估 → 进入 Web 页面查看主题与投诉样例。下面为现有使用者用例图。

演示截图

技术栈

使用 Python、Pandas、NumPy、Matplotlib、Seaborn、jieba、WordCloud、Gensim、pyLDAvis、Scikit-learn 和 Streamlit。根目录 main.py 作为展示入口，工程按实验阶段分目录保存代码、数据与文档。资料附件包括源码、报告、图表、演示及答辩材料，排除虚拟环境与构建缓存。

项目资料附件

分片附件需全部下载并解压，按包内重组说明将同组 .part 文件按编号顺序二进制拼接，恢复原 ZIP 后解压。

定制服务:+v pink996611