企业官网建设流程全解析

简介：这是一套面向计算机相关专业学生与项目实战学习者的Python酒店评论情感分析系统，可直接用于毕业设计、课程设计或期末大作业。项目以中文酒店评论为数据源，围绕文本预处理、情感分类模型训练与可视化界面展开，属于自然语言处理方向的入门到进阶实践案例。压缩包共43个文件，约56.55MB，包含6个py源码文件、20张png界面与结果图、3个jpg示意图、1个ui界面文件、1个ttf字体、1个h5模型权重、1个csv测试数据、1个json配置及说明文档等，覆盖从数据爬取、模型训练到图形界面展示的完整链路。目前已有291人学习下载。项目经过严格调试，确保可运行，附带使用说明与项目说明，读者可据此快速理解情感分析流程、复用界面代码、参考模型权重与测试数据，并在此基础上完成二次开发或论文撰写，适合需要完整可运行方案的学习者参考。

1. 从一份能跑通的酒店评论情感分析源码说起

打开这份利用Python实现酒店评论的中文情感分析.zip，第一眼看到的不是一堆散乱脚本，而是一套完整可运行的桌面系统：main.py是入口，main.ui配mainWindow.py撑起界面，crawl.py负责抓评论，weigths.h5是训练好的模型权重，test.csv、test.json、test.txt是现成的测试样本，accuracy_test.py单独做精度验证，font.ttf解决中文显示，wordCloud.jpg和analyse.png是可视化产物。它解决的核心问题很具体——把中文酒店评论自动判成好评、中评、差评，并且用图形界面把结果摆出来。适合正在做 Python 毕业设计、期末大作业，或者想找一个能直接跑通的中文情感分析实战项目练手的人。很多人卡在“模型训练完不知道怎么接到界面上”，这份代码把这条链路走通了。

2. 拆开这套源码：文件结构、技术栈与选型理由

2.1 目录里每个文件到底干什么

拿到压缩包解压后，根目录下大致分四类东西。第一类是入口与界面：main.py启动程序，main.ui是 Qt Designer 画出来的界面文件，mainWindow.py是它编译后的 Python 代码，resource.qrc和resource_rc.py管理图标、图片等资源。第二类是数据与模型：crawl.py抓取评论，weigths.h5保存训练好的网络权重，test.csv、test.json、test.txt是不同格式的测试数据。第三类是评估与可视化：accuracy_test.py算准确率，analyse.png、wordCloud.jpg、train.png、Average.png、Poor.png、Fair.png、Good.png、Excellent.png、count.png是各类统计图。第四类是辅助：font.ttf中文字体，使用说明.txt操作说明，demo1.png到demo4.png是运行截图。

这里有个容易忽略的点：__pycache__里带着cpython-36的 pyc 文件，说明作者当初是在 Python 3.6 环境下跑通的。你如果直接用 3.11 或 3.12，某些库的 API 可能已经变了，这是后面避坑章节要重点说的。

2.2 为什么用 Keras + h5 而不是 PyTorch

从weigths.h5这个文件名就能判断，模型是用 Keras（TensorFlow 后端）保存的 HDF5 格式。选它的理由很实际：毕业设计场景下，Keras 搭 LSTM 或 BiLSTM 做文本分类，代码量比 PyTorch 少，model.save('weigths.h5')一行就能把结构和权重一起存下来，加载时load_model直接还原，不需要额外写网络定义。对于中文情感分析这种“嵌入层 + 循环层 + 全连接”的经典结构，Keras 的Sequential模型足够用。

常见做法是：先用Tokenizer把中文评论转成整数序列，pad_sequences统一长度，然后走Embedding → LSTM → Dense(sigmoid 或 softmax)。三分类就用 softmax 输出 3 维，二分类就用 sigmoid 输出 1 维。这份代码从图片文件名看有 Excellent、Good、Fair、Average、Poor 五档，但实际建模时通常会合并成正面、中性、负面三类，否则样本不均衡会很难训。

2.3 界面层为什么选 PyQt5

main.ui+mainWindow.py的组合是 PyQt5 的典型工作流。用 Qt Designer 拖控件，保存成.ui，再用pyuic5转成.py。相比 tkinter，PyQt5 做出来的界面更接近商业软件，图表嵌入、表格展示、图片切换都更顺手。毕业设计答辩时，一个能点按钮、能出图、能切页签的界面，比命令行打印结果加分得多。

resource.qrc是 Qt 的资源系统，把图标、图片打包进 Python 文件，避免运行时找不到路径。resource_rc.py就是pyrcc5 resource.qrc -o resource_rc.py的产物。这一步很多人会忘，导致换台电脑图标全丢。

2.4 环境怎么搭：从零到能跑

先确认 Python 版本。源码里是 3.6，我建议用 3.7 或 3.8，太新的版本 TensorFlow 和 PyQt5 的兼容性会出问题。用 conda 建独立环境最稳：

conda create -n hotel_sa python=3.8 conda activate hotel_sa

然后装依赖。这份代码没有requirements.txt，需要手动装。核心就几个：

pip install tensorflow==2.4.0 pip install PyQt5==5.15.4 pip install jieba pip install pandas numpy matplotlib pip install wordcloud

tensorflow负责 Keras 模型加载和推理，PyQt5撑界面，jieba做中文分词，pandas读 csv，matplotlib画图，wordcloud生成词云。版本不要盲目追新，TensorFlow 2.4 配 Python 3.8 是经过验证的组合。

装完后先别急着跑main.py，先单独验证模型能不能加载：

from tensorflow.keras.models import load_model # 加载训练好的权重，compile=False 避免自定义损失函数报错 model = load_model('weigths.h5', compile=False) model.summary()

compile=False是关键。如果原模型用了自定义的损失函数或指标，直接加载会报Unknown loss function，加上这个参数先看结构，确认没问题再决定要不要补custom_objects。

3. 把评论喂进模型：分词、序列化与预测全流程

3.1 中文分词与停用词处理

中文情感分析第一步不是建模，是把句子切成词。jieba是标配：

import jieba def cut_text(text): # 精确模式分词，适合情感分析这种需要保留完整语义的场景 words = jieba.lcut(text) # 过滤掉单字和空白，单字对情感贡献低还增加噪声 words = [w for w in words if len(w) > 1 and w.strip()] return ' '.join(words) sample = "这家酒店位置很好，但是房间隔音太差了" print(cut_text(sample)) # 输出：酒店 位置 很好 但是 房间 隔音 太差

逻辑说明：jieba.lcut返回列表，比jieba.cut直接拿生成器方便。过滤单字是因为“的”“了”“很”这类词在情感分类里权重极低，留着只会让词表膨胀。参数上，len(w) > 1这个阈值可以调，如果你发现“差”“好”这种单字情感词被误删，可以改成保留特定情感词典里的单字。

停用词表一般放在stopwords.txt里，逐行读取后转成 set，分词后做差集。这份代码的test.txt可能就是测试语料，test.json可能是带标签的样本。

3.2 用 Tokenizer 把词转成数字

Keras 的Tokenizer负责建词表和转序列：

from tensorflow.keras.preprocessing.text import Tokenizer from tensorflow.keras.preprocessing.sequence import pad_sequences # num_words 限制词表大小，只保留出现频率最高的 5000 个词 tokenizer = Tokenizer(num_words=5000, oov_token='<OOV>') tokenizer.fit_on_texts(corpus) # 转成整数序列 sequences = tokenizer.texts_to_sequences(corpus) # maxlen 统一长度，短的补 0，长的截断 X = pad_sequences(sequences, maxlen=100, padding='post', truncating='post')

参数说明：num_words=5000是经验值，酒店评论的词汇量通常不大，5000 足够覆盖。oov_token给未登录词一个占位符，避免预测时遇到新词直接报错。maxlen=100意味着每条评论保留 100 个词，酒店评论一般不会超过这个长度，超了就截断。padding='post'在末尾补零，truncating='post'从末尾截断，保持一致。

这里有个坑：训练时的Tokenizer必须和预测时用的是同一个。如果你重新fit_on_texts，词表变了，序列号就对不上，模型输出全是乱的。正确做法是把训练好的tokenizer用pickle存下来，预测时加载。

3.3 加载模型做单条预测

import pickle from tensorflow.keras.models import load_model from tensorflow.keras.preprocessing.sequence import pad_sequences # 加载词表 with open('tokenizer.pickle', 'rb') as f: tokenizer = pickle.load(f) # 加载模型 model = load_model('weigths.h5', compile=False) def predict_sentiment(text): words = cut_text(text) seq = tokenizer.texts_to_sequences([words]) padded = pad_sequences(seq, maxlen=100, padding='post', truncating='post') # 输出三维概率，取最大值对应的类别 pred = model.predict(padded)[0] labels = ['负面', '中性', '正面'] return labels[pred.argmax()], pred result, probs = predict_sentiment("房间很干净，服务态度也好") print(result, probs)

逻辑说明：model.predict返回的是 batch 维度的数组，取[0]拿单条。argmax取概率最大的索引，映射到标签。如果你发现预测结果总是同一类，大概率是词表没对上，或者输入文本没做和训练时一样的分词。

3.4 批量测试与准确率验证

accuracy_test.py干的就是这件事。用test.csv里的带标签数据跑一遍：

import pandas as pd from sklearn.metrics import classification_report df = pd.read_csv('test.csv') true_labels = df['label'].tolist() pred_labels = [predict_sentiment(t)[0] for t in df['comment'].tolist()] # 输出精确率、召回率、F1 print(classification_report(true_labels, pred_labels))

classification_report比单纯看准确率有用得多。如果负面类召回率特别低，说明模型把差评误判成了好评，这在酒店场景里是致命的——用户看到差评被标成好评，直接不信任系统。

4. 界面与模型怎么接：PyQt5 调用 Keras 的实操细节

4.1 从 .ui 到可运行窗口

main.ui是设计文件，不能直接跑。需要转成 Python：

pyuic5 main.ui -o mainWindow.py pyrcc5 resource.qrc -o resource_rc.py

第一条把界面布局转成类，第二条把图片资源转成 Python 模块。转完后mainWindow.py里会有一个Ui_MainWindow类，main.py里实例化它并绑定按钮事件。

常见做法是在main.py里写一个继承QMainWindow的类，把Ui_MainWindow作为成员，然后在__init__里连接信号槽：

from PyQt5.QtWidgets import QApplication, QMainWindow from mainWindow import Ui_MainWindow import sys class HotelApp(QMainWindow, Ui_MainWindow): def __init__(self): super().__init__() self.setupUi(self) # 绑定按钮点击到预测函数 self.pushButton.clicked.connect(self.on_predict) def on_predict(self): text = self.textEdit.toPlainText() if not text.strip(): return result, _ = predict_sentiment(text) self.label_result.setText(f'预测结果：{result}') app = QApplication(sys.argv) window = HotelApp() window.show() sys.exit(app.exec_())

逻辑说明：setupUi负责把控件摆好，clicked.connect把按钮和槽函数绑起来。toPlainText()拿多行文本框内容，setText更新结果标签。注意predict_sentiment要提前定义或导入，否则界面点下去会报NameError。

4.2 把 matplotlib 图表嵌进 PyQt5

analyse.png、wordCloud.jpg这些图如果只是静态展示，用QPixmap加载到QLabel就行。但如果要动态画图，得用FigureCanvas：

from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas from matplotlib.figure import Figure class PlotCanvas(FigureCanvas): def __init__(self, parent=None): fig = Figure(figsize=(5, 4), dpi=100) super().__init__(fig) self.axes = fig.add_subplot(111) def plot_bar(self, labels, values): self.axes.clear() self.axes.bar(labels, values) # 中文标签需要指定字体，否则显示方块 self.axes.set_title('情感分布', fontproperties='font.ttf') self.draw()

font.ttf就是为这一步准备的。matplotlib 默认字体不含中文，不指定就会显示成方框。用font_manager注册后全局设置更省事：

from matplotlib import font_manager font_manager.fontManager.addfont('font.ttf') plt.rcParams['font.family'] = 'SimHei'

4.3 词云生成的参数怎么调

wordCloud.jpg是词云产物，生成代码通常长这样：

from wordcloud import WordCloud # 把正面评论拼成一个长字符串 text = ' '.join(positive_comments) wc = WordCloud( font_path='font.ttf', # 中文字体路径，不设会乱码 width=800, height=400, # 画布尺寸 background_color='white', # 背景色 max_words=100, # 最多显示 100 个词 colormap='viridis' # 配色方案 ).generate(text) wc.to_file('wordCloud.jpg')

参数说明：font_path必须指向支持中文的 ttf，max_words控制密度，太多会挤成一团。colormap可以换成Reds或Blues来配合情感倾向——正面用暖色，负面用冷色，视觉上更直观。

5. 避坑与排查：跑不起来时先看这几条

5.1 报No module named 'tensorflow'或版本冲突

现象：pip install tensorflow装完，导入时报ImportError或DLL load failed。

原因：Python 版本和 TensorFlow 版本不匹配。源码是 3.6 环境，你如果用 3.11，TensorFlow 2.4 根本没有对应的 wheel。

解决：降 Python 到 3.8，或者升 TensorFlow 到 2.10 以上。但升 TensorFlow 后load_model可能因为 Keras 版本差异报错，这时候用compile=False先加载，再手动compile。

5.2 加载 h5 模型报Unknown loss function

现象：load_model('weigths.h5')直接抛异常，提示某个 loss 或 metric 找不到。

原因：训练时用了自定义函数，保存时只存了名字，加载时没有对应的定义。

解决：先load_model('weigths.h5', compile=False)只加载结构，预测不受影响。如果必须 compile，用custom_objects传进去：

model = load_model('weigths.h5', custom_objects={'focal_loss': focal_loss})

5.3 界面中文显示成方块

现象：PyQt5 界面上的中文标签、按钮文字全是方框。

原因：系统缺少中文字体，或者 matplotlib 没指定字体。

解决：PyQt5 一般跟随系统字体，如果系统有中文字体还乱码，检查font.ttf是否被正确加载。matplotlib 那边必须显式设置font_path或rcParams['font.family']。

5.4 预测结果全是同一类

现象：不管输入什么评论，模型都输出“正面”或都输出“负面”。

原因：最常见的是词表对不上。训练时的Tokenizer和预测时的不是同一个，序列号全错。其次是输入文本没做分词，直接把整句喂进去，texts_to_sequences找不到对应词，全变成 OOV。

解决：确认tokenizer.pickle是训练时保存的那个，预测前先cut_text分词。如果还不行，打印padded看看是不是全零。

5.5crawl.py抓不到数据

现象：运行爬虫脚本报连接错误或返回空列表。

原因：目标页面结构变了，或者请求头没带 User-Agent 被拒。

解决：检查requests.get是否带了headers，解析用的BeautifulSoup或XPath是否还匹配当前页面。这类脚本依赖外部网站，时效性差，建议直接用test.csv里的现成数据做演示，别在答辩现场跑爬虫。

6. 让这份代码真正变成你的：改哪里、怎么验、如何讲

拿到一份能跑的源码，最忌讳的是“跑通就完事”。答辩老师或面试官问一句“你这个模型为什么用 LSTM 不用 TextCNN”，答不上来就露馅了。我的习惯是先把weigths.h5的结构打出来，逐层看参数：

model = load_model('weigths.h5', compile=False) for i, layer in enumerate(model.layers): print(i, layer.name, layer.output_shape if hasattr(layer, 'output_shape') else '')

看完你会知道嵌入层维度是多少、LSTM 单元数是多少、最后 Dense 是几维。这些数字就是你讲故事的素材——嵌入层 128 维说明词向量压缩得比较狠，LSTM 64 单元说明模型不大，适合小数据集。

然后做一件很多人不做的事：把test.csv按 8:2 切开，自己重新训一版，对比原模型的准确率。如果原模型在测试集上 92%，你自己训出来 88%，差距在哪？可能是学习率、batch size、或者早停策略。把这个对比写进论文的“实验分析”章节，比单纯贴一张准确率截图有说服力得多。

再进一步，改main.py里的界面逻辑。原版可能只支持单条输入，你加一个“批量导入 CSV”按钮，读文件后逐条预测，结果写回新 CSV。这个改动不大，但演示效果直接翻倍——老师看到你能处理批量数据，印象分完全不一样。

验证方法上，除了accuracy_test.py，我建议加一个混淆矩阵：

from sklearn.metrics import confusion_matrix import seaborn as sns cm = confusion_matrix(true_labels, pred_labels) sns.heatmap(cm, annot=True, fmt='d', cmap='Blues') plt.xlabel('预测') plt.ylabel('真实') plt.savefig('confusion_matrix.png')

这张图能直观看出模型在哪类评论上容易翻车。如果“中性”那一行错得特别多，说明中性评论的特征不明显，可以考虑合并到正面或负面，或者加更多中性样本。

最后说个血泪经验：答辩前一定要在答辩用的电脑上完整跑一遍。我见过太多人在自己电脑上好好的，换台机器就因为 Python 版本、缺少字体、路径带中文而翻车。把font.ttf、weigths.h5、tokenizer.pickle这三个文件单独拷出来，写一个最小加载脚本，确认在新环境下能跑通再上场。从那以后我每次交付这类项目，都强制走一遍“换机验证”，希望帮到你。

本文还有配套的精品资源，点击获取