NLP-ReviewEngine：基于经典NLP技术的电商评论智能分析系统

项目概述 NLP-ReviewEngine是一个端到端自然语言处理管道，专门用于分析电商平台客户评论。系统支持混合英语与罗马乌尔都语文本，核心功能包括情感分析、客户意图分类及通过NMF发现隐藏主题。 来源信息

• 原作者/维护者：SaimAhmad-h
• 来源平台：GitHub
• 原始链接：https://github.com/SaimAhmad-h/NLP-ReviewEngine
• 发布时间：2026年6月

电子商务快速发展下，客户评论成为消费者决策和商家改进的关键数据，但海量多语言评论（尤其是南亚市场英语与乌尔都语混合）的人工分析耗时且难以捕捉深层模式。 NLP-ReviewEngine旨在解决这一痛点：构建完整NLP管道，自动处理混合文本，提取情感倾向、识别客户意图、发现隐藏主题，为电商智能客服和数据分析提供可行方案。

整体架构：模块化端到端设计，涵盖数据预处理、特征提取、情感分析、意图分类、主题建模五大组件。 文本预处理：6步流程（小写转换→URL移除→标点清理→分词→停用词过滤→词形还原），罗马乌尔都语保留原始形态（因NLTK停用词库偏向英语）。 特征提取：对比词袋模型（简单但无语义关系）与TF-IDF（加权突出关键词，分类任务表现更优）；高频特征词包括product、quality、hai（乌尔都语“是”）、delivery等。

情感分析：

• VADER规则引擎：专为社交媒体设计，处理表情/俚语，测试集准确率65.45%，F1=0.66（负面评论识别精确率0.81，中性/罗马乌尔都语识别有限）。
• 逻辑回归分类器：基于TF-IDF特征，完整数据集预期F1 0.85-0.91。 意图识别：4类意图（退款请求、配送问题、投诉反馈、一般询问），如退款请求触发词refund/money back/paisa wapas，投诉反馈占比约80条。

主题建模：NMF发现5个潜在主题（产品质量、尺码合身、配送物流、退货退款、综合评价），与电商核心关切吻合。 数据处理：真实数据集不可用时生成55条合成评论；防泄露机制：先拆分训练/测试集（44/11），仅训练集6倍重复（264样本），测试集保持未见过。

交互式演示：集成Gradio框架，提供Web界面，用户可实时输入评论查看情感、意图、主题结果。 应用前景：

• 多语言市场价值：适用于南亚/中东等代码混合文本场景。
• 优势：资源受限、可解释性要求高或快速部署场景下优于LLM。
• 学习范例：覆盖NLP全流程，是入门NLP和文本分类的参考。