2cd200bd61
新增智能客服系统核心功能，包括推文分析、流失预测、趋势分析和危机评估模块。主要功能包括： 1. 分析推文数据找出最常见问题 2. 诊断流失预测系统问题 3. 数据驱动的智能关怀方案生成 4. 趋势分析和传播风险评估 5. 危机指数计算和DeepSeek集成 添加requirements.txt和更新pyproject.toml依赖 删除无用文件和子模块 |
||
|---|---|---|
| .. | ||
| data | ||
| final_models | ||
| src | ||
| tests | ||
| .env.example | ||
| .gitignore | ||
| .python-version | ||
| auto_fix_path.ps1 | ||
| fix_path_and_run.bat | ||
| model_comparison.png | ||
| pyproject.toml | ||
| quick_start.ps1 | ||
| README.md | ||
| requirements.txt | ||
| start_app.bat | ||
| start_app.ps1 | ||
| uv_start.ps1 | ||
| uv.lock | ||
航空公司情感分析与智能客服优先级系统
基于社交媒体数据的航空公司服务质量监控与客户服务优先级排序系统。
项目特色
- 🎯 情感分析：对航空公司推文进行情感分类
- 🤖 智能Agent：生成结构化客服处置方案
- 📊 优先级排序：自动识别紧急服务请求
- 📈 质量监控：实时监测服务质量波动
快速开始
1. 环境配置
# 安装依赖
uv sync
# 配置API密钥
cp .env.example .env
# 编辑.env文件，填入DeepSeek API Key
2. 运行应用
# 训练模型
uv run python src/train.py
# 启动可视化界面
uv run streamlit run src/streamlit_app.py
# 运行Agent应用
uv run python src/agent_app.py
项目结构
├── src/ # 源代码
│ ├── data.py # 数据处理模块
│ ├── train.py # 模型训练
│ ├── streamlit_app.py # 可视化界面
│ └── agent_app.py # Agent应用
├── data/ # 数据文件
├── models/ # 保存的模型
└── tests/ # 测试文件
技术栈
- 机器学习：scikit-learn, LightGBM
- 数据处理：polars, pandas, pandera
- 可视化：streamlit, seaborn
- Agent框架：pydantic-ai
- API：DeepSeek LLM