面向贴吧评论采集、数据管理、多算法预测与可视化的一体化 Web 系统。后端为 Django 2.2，集成 TF-IDF + 传统机器学习分类器、字符级 TextCNN / TextRCNN（PyTorch）、规则词典，以及可选的 Hugging Face Transformers 序列分类模型（抑郁二分类 DistilBERT、心理健康四分类 BERT），支持多模型加权融合、管理员后台全流程（数据导入、标注、模型登记、训练入口、预测结果与导出审计等）。
声明：本系统用于学习与研究，模型输出不构成临床诊断或心理咨询结论；对英文预训练模型应用于中文场景时需注意领域与语言差异。并且项目于本人学习参考记录使用，里面有很多逻辑上的漏洞，并且没有任何商用价值。
| 模块 | 说明 |
|---|---|
| 用户端 | 注册 / 登录 / 个人资料 / 修改密码；支持按用户配置「可用算法类型」JSON，限制前台可选模型 |
| 贴吧爬取 | scrawl/：抓取帖子评论，输出至 data/{tid}.csv |
| 数据入库 | init/：将 CSV 导入数据库（与历史 Comment 流程配合） |
| 批量分类 | trigger_fenlei/：对评论进行情感 / 抑郁倾向分类（与 Comment.emotion 等字段相关） |
| 可视化 | plot1～plot7：词云、折线图、情感环形图、地域分布、柱状图、散点图等（ECharts 等） |
| 在线预测 | predict/：单条文本预测；模型列表受「模型登记 + 用户权限」控制 |
| 高风险列表 | high_risk/、risk_detail/：浏览与查看风险相关评论详情 |
管理后台 (admin_panel) |
独立管理员登录；用户与套餐（ModelPlan / UserPlan）、原始文本（RawText）导入与列表、标注列表、待预测队列与预测结果、用量日志、模型列表与运行时融合配置、算法对比与实验记录、自检与训练中心、导出审计日志等 |
详细路由以 DjangoWeb/urls.py 为准；旧路径多已重定向到 admin_panel/* 或新名称，避免书签失效。
- Python：建议 3.7（与
requirements.txt中 Django、scikit-learn 等版本匹配；升级需自行回归） - Web：Django 2.2.x，模板 + Bootstrap / Layui，图表 ECharts（静态资源在
static/） - 数据库：默认 SQLite（
db/db.sqlite3，可在DjangoWeb/config.py切换 MySQL，并配合utils/connect_mysql.py） - 机器学习：scikit-learn、jieba、numpy、pandas、joblib 等
- 深度学习（项目内联预测）：PyTorch 加载
model/textcnn/*.pt、model/textrcnn/*.pt（见algorithm/torch_nlp.py）；requirements.txt中 TensorFlow/Keras 为历史依赖，主预测链路以代码实际引用为准 - 可选 HF 模型：
transformers、torch、safetensors，预测逻辑见algorithm/hf_transformers_predict.py，权重可放在Best_Modle/或通过脚本下载
- Sklearn 角色：
svm、knn、rf、dt、lr— TF-IDF 向量器 + 对应分类器，产物路径约定见algorithm/model_paths.py（如model/svm/model_svm.pkl）。 - 深度学习：
textcnn、textrcnn— 字符 ID 序列 +.pt权重 + 词表 JSON。 - 规则：
algorithm/rules.py词典规则分。 - 融合：
algorithm/fusion.py与PredictService（app/services/predict_service.py）按 SystemConfig / 运行时配置 中的权重与阈值做加权融合，并写入PredictionResult。 - Hugging Face：模型类型
hf_depr_bin（DistilBERT 抑郁二分类）、hf_mh_4cls（BERT 心理健康四分类）；本地目录说明见Best_Modle/README.txt。
默认运行时配置示例（可在后台「运行时配置」中调整）包括：各算法开关、权重、threshold_high_risk / threshold_alert、TextCNN 超参数路径等 — 以 PredictService.DEFAULT_RUNTIME_CONFIG 为基准。
模型登记（ModelInfo）：model_type 涵盖上述类型及 fusion、rule；listed_for_users 控制是否出现在前台并对套餐/用户「可用算法」开放。
Comment：贴吧评论业务表（楼层、昵称、内容、emotion等）。RawText/TextSource/CleanText/AnnotationRecord/LabelDefinition：从接入、清洗、标注到标签定义的管线；RawText状态流转见get_status_flow()（未清洗 → … → 已预测 / 已复核）。PredictionResult：单条原始文本上某次预测的结果详情（含detail_json）。SystemConfig：键值配置，承载融合权重、模型路径等。ModelInfo/ModelEvaluation/AlgorithmExperimentRecord/FusionConfigPreset：模型版本、评估、实验记录、融合配置快照。- 套餐与配额：
ModelPlan、UserPlan、QuotaUsageLog、PredictionUsageLog等（详见app/models.py）。
数据集与目录约定见 datasets/depression_nlp/README.txt（中英文数据、text,label 列、splits 比例等）。
| 路径 | 作用 |
|---|---|
DjangoWeb/ |
项目配置包：settings.py、urls.py、config.py、wsgi.py |
app/ |
主应用：模型、视图、服务、management/commands/ |
algorithm/ |
预测、融合、路径约定、HF 推理、sklearn/torch 封装 |
templates/、static/ |
模板与静态资源 |
model/ |
训练产物：各算法子目录、num2name.json、model_training_registry.json |
Best_Modle/ |
HF 权重（DistilBERT / BERT 等），download_hf_models.py |
data/ |
爬虫 CSV、导入用数据 |
datasets/depression_nlp/ |
组织好的 NLP 数据集（en/zh） |
scripts/ |
下载划分、训练（sklearn / char torch）、迁移与工具脚本 |
db/ |
SQLite 文件默认位置 |
docs/ |
项目说明、算法与开发环境文档（与代码同步补充） |
训练成功后可由 scripts/train_single_sklearn.py、scripts/train_char_torch.py 等写回 model/model_training_registry.json，供后台展示训练次数与指标（见 algorithm/model_training_registry.py）。
pip install -r requirements.txt若需使用 HF 目录预测（hf_depr_bin / hf_mh_4cls）：
pip install transformers torch safetensorsLarge 权重可设镜像后使用 Best_Modle/download_hf_models.py（说明见 Best_Modle/README.txt）。
python manage.py migratepython manage.py runserver 127.0.0.1:8000或执行根目录 运行.py（内部调用同上命令）。
- 首页：
http://127.0.0.1:8000/ - 用户登录：
/login/ - 管理员登录：
/admin_panel/login/
（生产环境请修改 ALLOWED_HOSTS、关闭 DEBUG、更换 SECRET_KEY，并勿将密钥提交到公开仓库。）
settings.py中 CSRF 中间件默认被注释，仅适合受信内网或本地调试；对外部署前应恢复并完整配置安全项。- 用户密码等为明文或弱哈希存储在自定义
User模型中，生产环境需改造为 Django 认证体系或安全哈希。 - 爬取贴吧须遵守平台规则与法律法规，本 README 不指导规避反爬或超范围采集。
部分数据与模型体积较大，仓库可能使用 Git LFS；克隆后若需完整数据请确保已安装 Git LFS 并执行 git lfs pull。
- 更细的算法与配置说明见
docs/算法逻辑与配置说明.md。 - 文件结构与开发环境见
docs/开发环境与项目文件结构说明.md。 settings.py头部保留原作者联系说明（赵有才；邮箱 / 微信见该文件注释）。
- 项目整体许可证以仓库内声明为准（若未声明，使用前请自行评估）。
Best_Modle内各 HF 模型的许可证以对应 Hugging Face 模型卡为准（如 MIT、Apache-2.0 等）。
本文档依据当前仓库中的 urls.py、models.py、algorithm/、app/services/predict_service.py 及 docs/ 归纳；若代码变更，请以实际实现为准。