VOC LLM 结构化分析 (VOC_LLM结构化)

基于大语言模型（通义千问 / DashScope）的亚马逊 VOC（Voice of Customer）评论分析流水线：合并 CSV → 清洗 → LLM 结构化 → 向量化 → 聚类与词频 → 生成 HTML 分析报告。

📖 目录

• 核心特性
• 环境要求
• 安装指南
• 使用说明
• 示例与输出
• 项目结构
• 常见问题

✨ 核心特性

• 七步全流程编排 — main_voc分析.py 一键串联：合并、清洗、结构化、向量化、聚类、词频、HTML 报告
• 断点续跑 — 支持 --from-step / --only-step，从任意步骤恢复，调试时节省 API 成本
• LLM 结构化提取 — 从评论中抽取受众、痛点、方面、观点、情感等字段（prompts/schema.yaml 可配置）
• 语义聚类 — UMAP + HDBSCAN 多阶段聚类，辅以 LLM 评估簇质量自动调参
• 词频分析 — LLM 归纳专有名词 + spaCy 全量词频统计，报告内嵌词云与六类归类
• 可编辑 Prompt — prompts/ 目录下 Markdown / YAML 热加载，产品运营可直接改话术（见 prompts/README.md）
• 并行加速 — 聚类与词频在步骤 5–6 由线程池并行执行

🛠 环境要求

依赖	说明
Python	>= 3.10（推荐 3.10+）
pip / venv	安装 requirements.txt 中的包
spaCy 英文模型	python -m spacy download en_core_web_sm（词频步骤必需）
阿里云 DashScope API Key	结构化、向量化、聚类评估、词频、报告等步骤均需调用

API Key 配置方式（任选其一，勿提交到 Git）：

1. 环境变量 DASHSCOPE_API_KEY
2. 环境变量 DASHSCOPE_API_KEY_FILE 指向单行密钥文件
3. 项目根目录 .dashscope_key（单行，无引号）

可选：DASHSCOPE_MODEL（默认 qwen3.6-flash）。

📦 安装指南

1. 克隆项目到本地：

git clone <你的仓库地址>
cd VOC_LLM结构化

2. 创建虚拟环境并安装依赖（可选但推荐）：

python3 -m venv 310py
source 310py/bin/activate   # Windows: 310py\Scripts\activate
pip install -r requirements.txt
python -m spacy download en_core_web_sm

3. 配置 API Key：

export DASHSCOPE_API_KEY="sk-xxx"
# 或在项目根创建 .dashscope_key（已被 .gitignore 忽略）

4. 准备原始评论 CSV 目录（目录内所有 *.csv 表头须一致），例如亚马逊导出的 *_realtime.csv。

🚀 使用说明

全流程分析

python3 main_voc分析.py \
  --input-dir "reviews_export" \
  --product "cat deterrent indoor" \
  --industry "Pet Supplies"

• --input-dir：原始 CSV 目录
• --product：产品名（写入结构化任务与报告路径）
• --industry：行业名，默认 Pet Supplies
• --keep-db：保留已有结构化 voc_*.sqlite，不覆盖删除

断点续跑

# 从向量化起续跑（步骤 4 起可省略 --product，自动读结构化库）
python3 main_voc分析.py --from-step 4 --keep-db

# 仅重跑词频（复用已有 voc_terms.json）
python3 main_voc分析.py --from-step 6 --skip-wordfreq-llm

# 仅重新生成 HTML 报告
python3 main_voc分析.py --only-step 7

其他常用参数

参数	说明
--clean-intermediates	报告成功后删除中间 csv/sqlite，减少内存占用
--filter-small-clusters	报告仅保留簇内评论占比 ≥ 10% 的簇，仅当评论数量过万时启用
--save-llm-raw	将报告 LLM 原文保存为 report_llm_raw.txt，调试时使用

程序式调用

from pathlib import Path
from main_voc分析 import run_voc_analysis

result = run_voc_analysis(
    input_dir=Path("reviews_export"),
    industry="Pet Supplies",
    product_name="cat deterrent indoor",
    from_step=1,
    clean_databases=True,
)
print(result["report_html"])

Prompt 验收（无需 API Key）

python3 prompts/smoke.py          # 检查 prompt 能否加载
python3 prompts/smoke.py --live   # 联调模型（需 API Key）

可选变体：jieba 词频

中文或需 jieba 分词时，可使用 main_voc分析_jieba.py（词频走 词频_jieba.py，其余步骤与主流程一致）。

---

更详细的步骤说明、算法与 SQLite 约定见 main_voc分析.md。

📸 示例与输出

流程结束后，主要产物如下：

路径	说明
merged_reviews.csv	多文件合并结果
merged_reviews_cleaned.csv	清洗、去重后的评论
voc_structured.sqlite	LLM 结构化结果
voc_embeddings.sqlite	256 维向量
voc_clustering.sqlite	多阶段聚类标签
output/voc_terms.json	专有名词 / 停用词
output/word_freq.csv	全量词频表
output/{product}/{product}_voc_report.html	最终 VOC 分析报告（词云、词频、分簇、AI 正文）

stdout 会打印 JSON 摘要（含 report_html 等键）。

建议在 README 或文档中补充一张 *_voc_report.html 在浏览器中打开的截图，便于新成员快速理解交付物形态。

📂 项目结构

VOC_LLM结构化/
├── main_voc分析.py          # 主流程编排入口（七步）
├── main_voc分析_jieba.py    # 词频使用 jieba 的变体入口
├── main_voc分析.md          # 流程与算法详细说明
├── 合并评论数据.py          # 步骤 1：多 CSV 合并
├── content清洗.py           # 步骤 2：评论清洗与去重
├── 结构化_server.py         # 步骤 3：LLM 结构化入库
├── 结构化_Prompt.py         # 结构化 prompt 组装
├── 向量化.py                # 步骤 4：Embedding 入库
├── 聚类.py                  # 步骤 5：UMAP + HDBSCAN
├── 词频.py / 词频_jieba.py  # 步骤 6：术语提取 + 词频
├── voc_report.py            # 步骤 7：HTML 报告生成
├── prompts/                 # 可编辑 prompt、schema、配置
│   ├── README.md
│   ├── schema.yaml
│   ├── extraction/ report/ word_freq/
│   └── loader.py
├── requirements.txt
├── output/                  # 报告与词频输出（gitignore）
└── README.md                # 本文件

❓ 常见问题

Q：提示缺少 DASHSCOPE_API_KEY？
A：按上文配置环境变量或 .dashscope_key，并确认密钥未提交到仓库。

Q：步骤 4 报错找不到 product？
A：从步骤 1–3 完整跑过，或确保 voc_structured.sqlite 中已有最新 job；步骤 4 起可省略 --product。

Q：词频步骤报 spaCy 模型缺失？
A：执行 python -m spacy download en_core_web_sm。

Q：合并 CSV 失败？
A：确保 --input-dir 下所有 CSV 表头完全一致。

Q：修改 LLM 话术后报告解析失败？
A：勿修改 prompts/schema.yaml 中 report.markers 四段标记名；改完运行 python3 prompts/smoke.py 验收。

---

README 与 main_voc分析.py 七步流程保持一致；深度说明请参阅 main_voc分析.md。