桌游评论NLP流水线：基于Gemini的细粒度情感分析实战

本项目是一个完整的数据工程与NLP项目，展示如何从BoardGameGeek抓取桌游评论，并使用Google Gemini API进行基于方面的情感分析(ABSA)，将非结构化文本转化为结构化商业洞察。原项目由HSTutida维护，来源为GitHub（链接：https://github.com/HSTutida/boardgame-nlp-pipeline），发布于2026年6月17日。

这是一个MBA数据科学与分析专业的毕业论文项目，旨在构建端到端数据流水线处理非结构化文本。选择桌游评论是因为BoardGameGeek是全球最大桌游社区，积累了海量用户评论数据。传统情感分析仅能给出"正面/负面"二元判断，本项目采用基于方面的情感分析(ABSA)框架，可识别评论中针对游戏具体维度（如规则、组件、重玩性）的情感倾向，为游戏设计师和出版商提供更精细的市场反馈。

使用Python和Selenium WebDriver构建自动化爬虫，核心特点包括：

• 隐蔽式自动化：实现无头浏览、WebDriver伪装、修改User-Agent，绕过基础反爬虫机制
• 动态分页抓取：自动遍历BGG页面收集目标游戏ID和URL
• 精准论坛挖掘：筛选并提取每款游戏热门/置顶帖子的标题和完整评论文本
• 容错数据工程：微批处理策略（每款游戏独立写入CSV）、网络问题容错、礼貌延迟机制

利用Google Gemini API进行深度内容分析：

• 高级提示工程：定义专家计算语言学家角色，约束使用预定义的6个游戏方面和3种情感极性分类体系
• 确定性JSON生成：设置低temperature（0.1）确保输出一致性，强制application/json输出模式
• 稳健数据处理：使用Pandas加载、清洗CSV数据，包含异常处理和缺失文件回退机制
• API速率管理：实现自动暂停和错误捕获，保证大规模数据集上的可靠调用

ABSA分析维度：

1. 规则：清晰度、复杂度、学习曲线
2. 组件：配件质量、美术设计、材质工艺
3. 重玩性：可重复游玩价值、变化性
4. 游戏性：核心机制乐趣程度、流畅性
5. 平衡性：公平性、策略深度
6. 性价比：价格与内容量匹配度 每个维度对应正面、中性、负面3种情感极性。

技术栈：

• 数据抓取层：Python 3.x、Selenium WebDriver、webdriver_manager、csv模块
• 分析处理层：Google Gemini API（gemini-2.5-pro）、Pandas、JSON、ABSA

对数据工程师的启示：

1. 动态JavaScript渲染处理：需显式等待和DOM操作技巧
2. 反爬虫对抗：模拟真实用户行为，平衡数据获取与网站友好性
3. 结构化数据存储：从非结构化文本到CSV/JSON的转换是机器学习管道关键第一步

对NLP实践者的启示：

1. 零样本分类的威力：无需大量标注数据即可实现细粒度分类
2. 结构化输出的重要性：通过严格约束引导生成式模型输出可控结果
3. 领域知识融入：预定义方面分类体系体现领域专家知识对NLP任务的重要性

该流水线架构可迁移至其他领域：

• 电商评论分析：提取产品不同特性的用户反馈
• 酒店评价处理：分析位置、服务、设施等维度的满意度
• 应用商店评论：识别功能、UI、性能等方面的用户痛点
• 社交媒体监测：追踪品牌在不同话题上的情感走势

boardgame-nlp-pipeline是一个完整的数据科学与NLP工程示例，从网页抓取到LLM分析，展示了现代AI应用的全链路开发能力。它不仅是学术项目，更为工业界的文本分析任务提供了可直接借鉴的技术方案。通过结合传统数据工程方法与前沿LLM技术，项目成功将海量非结构化评论转化为可操作的商业洞察。