基于大模型微调的情感识别系统

项目概述

本项目旨在构建一个基于大语言模型微调技术的情感识别系统，通过深度挖掘文本数据中的情感倾向，实现对用户生成内容的准确情绪分类和情感分析。系统整合问答对抽取、情感自动标注、图数据库管理及可视化展示等功能，面向舆情分析、客户反馈挖掘、市场调研等场景，提升情感数据处理的自动化和智能化水平。

该系统解决了传统情感分析中数据预处理繁琐、情感分类准确率低、情感关系复杂难以直观展示等核心问题，构建了一个集数据抽取、模型推理、图数据库存储及前端交互为一体的综合平台。目标用户包括数据分析师、产品经理、市场研究人员及AI开发者，帮助他们快速获取结构化情感信息并辅助决策。

技术架构

项目采用Django Web框架作为核心技术平台，结合Python丰富的生态体系，围绕数据处理、模型调用、图数据库管理和前端展示构建模块化架构。

• 整体架构设计
  系统分为前端展示层（templates模块）、业务逻辑层（accounts、myneo4j、emotion_diff、qa_pari模块）及数据层（Neo4j图数据库、文本和Excel数据文件）。用户通过浏览器访问前端页面，触发后端视图逻辑调用情感分析服务及图数据库操作，最终将结果以可视化形式反馈用户。
• 主要技术栈
• 后端：Python 3.x，Django框架
• 数据库：Neo4j图数据库（py2neo驱动）
• 机器学习/AI服务：OpenAI GPT-4o-mini及自定义大模型微调
• 数据处理：pandas（Excel读写）、re（正则表达式文本处理）
• 前端：HTML5、CSS3、Bootstrap、JavaScript及第三方UI组件（DateRangePicker、FontAwesome等）
• 模块间关系和交互
• qa_pari模块负责问答对的文本数据预处理，输出结构化问答数据供训练和分析使用。
• emotion_diff模块调用大语言模型对文本数据进行批量情感标注，输出带标签的Excel或CSV文件。
• myneo4j模块作为中枢业务模块，整合Neo4j数据库操作与情感识别功能，支持数据的存储、查询及问答服务。
• accounts模块提供用户认证和权限管理，保障系统访问安全。
• templates模块负责前端页面渲染，与后端视图配合展示登录、注册及情感分析仪表盘等功能界面。

整体架构体现了数据流的顺畅传递和功能的松耦合设计，方便后续扩展和维护。

功能模块

1. qa_pari模块：问答对抽取

• 从指定目录批量读取文本文件，利用正则表达式提取“问：”与“答：”格式的问答对。
• 输出结构化的字典列表，支持多文件统一处理。
• 为模型训练和问答系统提供标准化输入数据。

2. emotion_diff模块：情感倾向分析

• 调用OpenAI GPT-4o-mini模型实现文本情感分类（积极、消极、中立）。
• 支持Excel格式文本批量处理，自动附加情感标签并保存结果。
• 通过异常捕获和进度条保证批量处理的稳定性和可视化反馈。

3. myneo4j模块：图数据库与情感问答管理

• 使用Django ORM定义Neo4j节点与关系模型，支持情感数据和问答内容的持久化。
• 封装py2neo工具实现图数据库的CRUD操作。
• 视图层集成OpenAI接口，实现智能情感分析与问答功能。
• 提供基于用户身份的安全访问控制。
• 后台管理支持数据导入、筛选和维护。

4. accounts模块：用户身份管理

• 基于Django内置AbstractUser扩展用户模型，支持密码加密。
• 实现注册、登录、登出功能及表单验证。
• 后台管理界面支持用户信息的安全维护。
• 为业务模块提供认证和权限基础。

5. templates模块：前端界面展示

• 提供系统主页、用户登录注册页面及情感分析仪表盘模板。
• 使用Bootstrap和其他前端库实现响应式布局和丰富交互。
• 仪表盘页面集成图表和数据筛选控件，直观展示情感分析结果。
• 与后端视图紧密配合，实现动态数据渲染。

模块间协作关系

• qa_pari输出数据为emotion_diff和myneo4j的输入基础。
• emotion_diff生成的情感标签数据被myneo4j存储并用于问答和图数据库分析。
• accounts模块保障用户身份安全，所有业务操作均需认证。
• templates模块为用户提供操作界面，调用后端视图实现业务功能。

项目结构

xy25_neo4j_emotion/
├── accounts/                 # 用户认证模块，含模型、视图、表单和管理文件
├── qa_pari/                  # 问答对抽取模块，含文本提取和数据处理脚本
├── emotion_diff/             # 情感分析模块，调用大模型并处理Excel数据
├── myneo4j/                  # Neo4j图数据库操作及情感问答管理模块
├── templates/                # 前端HTML模板文件
├── static/                   # 静态资源目录，包括CSS、JS、字体和图片
├── datas/                    # 原始数据和爬虫脚本目录
├── emotion_results/          # 情感分析结果输出文件
├── xy_neo4j/                 # Django项目配置及启动文件
├── manage.py                 # Django项目管理脚本
├── README.md                 # 项目说明文档
├── requests.txt              # 依赖库列表
└── .venv/                    # Python虚拟环境目录（不含具体文件）

• accounts/：用户注册、登录、权限管理及后台管理配置。
• qa_pari/：问答对批量抽取核心逻辑及训练结果存储目录。
• emotion_diff/：情感分析脚本及相关测试结果、数据文件。
• myneo4j/：Neo4j数据库模型定义、工具封装、视图和路由。
• templates/：系统前端页面HTML模板。
• static/：前端静态资源，如样式表、脚本、图片等。
• datas/：包含爬取的原始文本及相关辅助脚本。
• emotion_results/：存储系统情感分析后的CSV结果文件。
• xy_neo4j/：Django项目的核心配置，包括路由、设置、ASGI/WSGI等。
• manage.py：Django命令行管理工具。

部署和运行

环境要求

• 操作系统：Windows、Linux或Mac OS均支持
• Python版本：3.8及以上
• 依赖库：Django、py2neo、pandas、openai、tqdm等（详见requests.txt）
• 数据库：Neo4j 4.x及以上版本，确保已启动并配置访问权限
• OpenAI API密钥与网络连通性

安装和配置步骤

1. 克隆项目代码至本地环境。
2. 创建并激活Python虚拟环境。
3. 安装依赖库：pip install -r requests.txt。
4. 配置xy_neo4j/settings.py，设置数据库连接信息及OpenAI API密钥。
5. 确保Neo4j数据库服务已启动，并配置好认证账户。
6. 运行迁移命令同步数据库模型：

   python manage.py makemigrations
   python manage.py migrate

7. （可选）加载初始数据或导入已有情感分析结果。

启动方式

1. 启动Django开发服务器：

   python manage.py runserver

2. 通过浏览器访问系统入口页面（默认http://127.0.0.1:8000/）。
3. 通过登录注册界面进行用户认证。
4. 使用情感分析仪表盘进行数据查询和展示。

---

本项目通过模块化设计与先进的大模型技术结合，实现了情感识别系统的端到端流程，从数据预处理、模型推理到图数据库存储与可视化展示，具备良好的扩展性和实用价值。系统不仅提升了情感分析的准确度和效率，还通过图数据库增强了情感关系的表达能力，助力用户深入理解文本情感结构。

---

如有问题请联系作者：https://qalangtao.com 。
1000