每年到毕业季，总有不少同学围着“选题”打转。如果你正在电商、数据或者 Web 开发方向徘徊，“基于 Django 和机器学习的电商评论情感分析”是一个性价比很高的选择。它不是一个只调库的玩具项目，而是一个从数据处理、模型训练到 Web 展示的完整闭环，能一次性讲清楚后端框架、机器学习算法和自然语言处理三件事。
这个题目好在哪里？适合计算机专业、软件工程、电子商务和数据科学相关方向的学生拿来做毕业设计。哪怕你是刚接触 Python 不久的人，只要愿意按步骤把整套流程走一遍，也能在答辩现场拿出一个能看、能点、能出结果的作品。不过要注意，网上类似的源码很多，真正拉开差距的，是你对每个环节“为什么这么做”的理解深度。这篇就结合我实际开发时踩过的坑，把整个项目从设计到实现拆开讲清楚。
1. 项目拆解：光看标题你可能忽略了这些点
1.1 这一个题目里藏了三个技术栈
很多人第一眼看到“基于 Django 和机器学习的电商评论情感分析”，觉得它只是一个普通网站加一个预测按钮。实际上，题目背后藏着三个相对独立又互相衔接的技术栈：
第一是 Web 开发。Django 负责搭建用户界面、处理表单提交、展示预测结果，还要管理数据记录。这部分考察的是 MTV 架构、路由、模板和 ORM 操作，属于后端开发的基本功。
第二是机器学习。你要把评论文本变成模型能理解的数字，训练一个情感分类器，让它能判断“这个手机拍照很清晰”是正向评价，“快递太慢客服不回复”是负向评价。这里涉及文本分类、特征提取、模型评估等核心概念。
第三是自然语言处理。中文分词、停用词过滤、向量化表示，这些都是 NLP 的基础操作。跟英文不同，中文没有天然的空格分词，所以需要额外处理，这也是很多同学第一次接触时会卡住的地方。
这三个部分单独拿出来都可以展开做一个小课题，凑在一起就是一个完整的系统。毕业设计最讲究的就是技术覆盖面，这个题目天然就能让答辩老师看到你的工作量。
1.2 电商评论情感分析到底在解决什么问题
从业务角度看，电商平台上的评论量非常大，靠人工去读不现实。商家想知道用户对某个产品整体是夸还是骂，运营想找出最近负面口碑集中在哪里，这些需求背后都指向同一个技术任务——情感分类。
情感分析本质上是文本分类问题。最简单的方案是二分类，只区分正向和负向；也可以做三分类，把中性评价单独分出来。毕业设计场景下，我建议做三分类，因为电商评论里大量存在“一般般”“还行吧”这种没有强烈倾向的文本，如果强制分成正负两类，模型效果会很难看，答辩时不好解释。
这个任务的技术难度适中，但又足够有代表性：它需要你处理非结构化文本，需要做特征工程，需要训练模型，还要把模型包装成线上可用的服务。整套流程恰好对应企业里一个最小可用的 NLP 应用。把这一套走通，以后看其他分类任务，比如垃圾邮件过滤、新闻分类、舆情监控，思路几乎是通用的。
2. 技术选型与整体方案设计
2.1 为什么是 Django 而不是 Flask 或 FastAPI
毕业设计选框架，不要只看流行度，要看它跟题目匹配不匹配。Django 是一个重框架，自带 ORM、Admin 后台、模板系统、表单处理和用户认证，意味着你不太需要再去拼第三方库。
举个例子，Flask 很轻量，但要做用户登录、数据建模、后台管理，你得自己挑一堆扩展拼起来。FastAPI 性能好、写接口舒服，但在模板渲染和 Admin 后台方面，可参考的毕业设计案例相对少。Django 生成项目时自动帮你建好了 admin 站点，训练好的评论数据可以直接在里面管理，答辩演示时打开后台给老师看，立刻多一个亮点。
Django 的另一个优势是 MTV 架构清晰。models.py 定义数据结构，views.py 写业务逻辑，templates 放页面，你可以在答辩 PPT 里画一张分层图，老师一看就懂。同时，Django 的 ORM 在日常操作中非常顺手，比如筛选负面评论，只需要CommentRecord.objects.filter(sentiment='negative')，要删除记录就调用.delete()。对应到网上那些“django执行查询-删除对象”的搜索热词，核心就是先取 QuerySet 再操作，这个点面试也常问。
不过要提醒一句，Django 自带数据库是 SQLite，适合开发和学习。如果数据量特别大，建议换成 MySQL，在 settings.py 里改数据库配置并安装驱动就行。毕业设计直接用 SQLite 完全够用，别在这上面花太多时间折腾。
2.2 情感分析算法怎么选：从传统模型到深度学习
我见过不少同学一上来就想用 BERT，觉得深度学习更有排面。但真到训练的时候，数据集只有两三千条，显卡也跟不上，光跑一个 epoch 就要等半天。对于毕业设计项目，如果目标是拿到一个稳定可解释的结果，传统机器学习模型是更务实的选择。
推荐优先尝试这三个模型：
- 朴素贝叶斯（MultinomialNB）：实现简单，收敛快，小样本下表现稳定，是文本分类的经典 baseline。
- 逻辑回归（LogisticRegression）：可解释性最强，能直接输出每个特征对结果的影响权重，答辩时可以说清楚“哪些词把评论推向正面”。
- 线性 SVM（LinearSVC）：分类边界更明确，在特征维度较高时精度通常比朴素贝叶斯好一点，但调参要稍微花点时间。
我的建议是，先用逻辑回归跑通全流程，因为它训练速度和准确率平衡得很好。等流程稳定了，再对比朴素贝叶斯和线性 SVM，把三者的准确率、F1 值放进论文的对比表格里，比一开始就追求复杂模型更有说服力。
至于 LSTM、BERT 这些深度学习方法，可以放在“后续改进与展望”章节里写。这样既展示了视野，又不会因为环境配置问题拖垮你的开发计划。如果你确实想尝试，建议用 Hugging Face 上的中文预训练模型做微调，至少需要 1 万条以上标注数据才看得出效果，否则很容易过拟合。
2.3 数据从哪来：公开数据集与合规采集
数据是整个项目的地基。最省事的方式是使用公开的电商评论语料，很多高校和开源社区都提供带情感标签的中文评论数据。使用公开数据的三个好处：标注质量有保障、可以省去大量人工标注时间、论文里可以直接引用对比。
如果你不想用现成数据，也可以自己写爬虫去电商平台采集评论。但这里必须提醒：只能用于个人学习和研究，要遵守网站的访问规则，控制请求频率，不要批量抓取非公开数据。更不要碰那些跟攻击、破解相关的灰色方式，这个圈子千万别沾。
数据规模上，三分类任务建议不少于 5000 条，最好能到 1 万条。数据越少，模型方差越大，随便一条噪声都会显著影响准确率。另外，数据集要做基本平衡，让正向、中性、负向的比例不要相差太悬殊。如果实际采集到的负向评论很少，会导致模型整体倾向预测正向，看起来准确率不低，实际没什么用。
拿到数据后，按照 8:2 或 7:3 划分训练集和测试集。注意，划分要在预处理之前做，避免测试集信息泄漏到模型训练里。这一点论文里也会重点讲，做了就是加分项。
3. 核心模块实现：从数据清洗到 Django 集成
3.1 环境准备与 Django 工程搭建
统一环境是少踩坑的第一要素。我建议用 Anaconda 创建独立虚拟环境，Python 版本选 3.9 或 3.10，Django 用 4.x。版本太新有时会跟某些依赖库冲突，没什么必要去追新。
安装依赖推荐一次装齐：
pip install django pandas numpy scikit-learn jieba joblib matplotlib然后创建项目和 app：
django-admin startproject sentiment_project cd sentiment_project python manage.py startapp review把review加到settings.py的INSTALLED_APPS里，不然 Django 不认这个 app。接着配置时区：
LANGUAGE_CODE = 'zh-hans' TIME_ZONE = 'Asia/Shanghai' USE_TZ = True到这里一个最小可运行的 Django 项目就成了。你可以先跑python manage.py runserver，浏览器打开 127.0.0.1:8000 看到默认页面，再往里面加业务代码。第一次做 Django 的同学尤其要养成“小步快跑”的习惯，每加一点功能就跑一下，别指望一次性写完再调试。
3.2 文本清洗与中文分词
模型输入的是文本，但文本必须转成数字才能训练。转换之前，得先把原始评论洗干净。这里每一步都要想清楚目的：
去除 HTML 标签，因为爬回来的评论里可能残留标签代码；去除 URL，链接对情感判断没有帮助；去除各种符号，让后续分词更干净。另外，评论里的“好评”“五星”这类词，单独出现时情感标记很强，保留即可。
中文分词我用 jieba，它会把“物流很快”切分成“物流 / 很快”。停用词表要去下载一份常见的中文停用词表，网上有很多开源版本。但停用词表不能乱用，我实际踩过一个大坑：有些停用词表把“不”“没”“很”也列进去了，结果“很不满意”被切成了“很 / 满意”，模型直接把负面评论判断成正面，整体准确率掉了 5 个点。
正确的做法是，只删除代词、语气词、连词这些高频无意义词，保留带情感倾向的否定词和程度副词。可以把预处理函数写成下面这样：
import re import jieba def clean_text(text): text = re.sub(r'<.*?>', '', text) text = re.sub(r'http\S+', '', text) text = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', text) return text def cut_text(text, stopwords): words = jieba.lcut(clean_text(text)) words = [w for w in words if w.strip() and w not in stopwords] return ' '.join(words)预处理函数建议单独放在一个preprocess.py里，训练和预测都要调用同一个函数，避免出现“训练时处理了但线上预测时没处理”这种不一致。
3.3 特征工程与模型训练
把分词后的文本变成向量，毕业设计里最常用的就是 TF-IDF。TF 表示词在当前文本里出现得多不多，IDF 表示这个词在整体语料里罕不罕见。两者相乘，既保留了文本内部的信息，又压制了“的”“了”“是”这类在每篇文章里都出现的常见词。
在 scikit-learn 里用 TfidfVectorizer 一行就能完成。训练时先切分数据，再用训练集 fit，然后只 transform 测试集和数据：
from sklearn.model_selection import train_test_split from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.linear_model import LogisticRegression X_train, X_test, y_train, y_test = train_test_split( texts, labels, test_size=0.2, random_state=42, stratify=labels ) vectorizer = TfidfVectorizer(max_features=5000, ngram_range=(1, 2), sublinear_tf=True) X_train_vec = vectorizer.fit_transform(X_train) X_test_vec = vectorizer.transform(X_test) model = LogisticRegression(C=1.0, max_iter=1000, class_weight='balanced') model.fit(X_train_vec, y_train) print(model.score(X_test_vec, y_test))代码里有几个容易被忽视的点。第一，测试集只能调用 transform，不能 fit_transform，否则会把测试集的信息混进词表里。第二，ngram_range=(1, 2)非常值得加，它会把相邻两个词作为一个组合特征，能捕捉“不好”和“不 好”的区别。第三，class_weight='balanced'可以在类别不均衡时自动调整权重。
训练完成后，模型要保存到磁盘，否则 Django 每启动一次就得重新训练一遍。用 joblib：
import joblib joblib.dump(vectorizer, 'vectorizer.pkl') joblib.dump(model, 'model.pkl')3.4 模型评估与可视化
准确率只是一个最基础的指标，在类别不平衡时会造成误导。我建议至少输出 classification_report，看每个类别的精确率、召回率和 F1 值。精确率是“模型说是正面的里面有多少真的是正面”，召回率是“真正的正面里有多少被找了出来”，两者都重要。
还可以画一个混淆矩阵热力图，能直观看出模型把中性评论误判成了哪一边。用 matplotlib 和 seaborn，几十行代码就能完成，生成的图直接放论文里，比大段文字说明更清楚。
评估通过后再考虑调参。下面章节会讲到具体参数。这里先提一个策略：不要在测试集上反复调参，否则会把你对测试集的“记忆”当成真实效果。更规范的做法是再切出一部分验证集，或者直接用交叉验证，最后再用测试集做一次最终评估。
3.5 将模型集成到 Django 页面
模型训练好了，接下来就是把它塞进 Django 系统里。最容易犯的错是在 views.py 函数内部加载模型，这样每个请求都会重新读一次磁盘，预测接口会慢到让人怀疑人生。
正确做法是把模型和向量器放到模块顶部，只加载一次：
import joblib from django.shortcuts import render from .preprocess import cut_text model = joblib.load('model.pkl') vectorizer = joblib.load('vectorizer.pkl') def predict_view(request): if request.method == 'POST': comment = request.POST.get('comment', '').strip() if not comment: return render(request, 'index.html', {'error': '请输入评论文本'}) words = cut_text(comment, stopwords) vec = vectorizer.transform([words]) label = model.predict(vec)[0] proba = model.predict_proba(vec)[0] return render(request, 'result.html', { 'comment': comment, 'label': label, 'positive_prob': round(proba[2], 4), 'neutral_prob': round(proba[1], 4), 'negative_prob': round(proba[0], 4), }) return render(request, 'index.html')urls.py 里加一条路由，模板里写一个表单页和一个结果页，项目就跑起来了。如果想把每次预测记录保存到数据库，可以建一个模型记录评论内容、预测结果、概率和时间，顺带还能演示 Django Admin 后台管理数据。
这里推荐一个小技巧：给结果页加一个简单的进度条，按预测概率的百分比显示正负情感强度。这个视觉效果很讨巧，答辩老师录入一条评论，页面立刻出现红色和绿色的进度条，比单纯显示一串文字直观得多。
4. 训练效果与参数调优经验
4.1 如何判断模型效果
不同的数据集规模、类别数量和任务难度下，准确率没有统一标准。但如果你的数据是公开标注语料、三分类任务、训练集 8000 条左右，我可以给你一个参考范围：
- 准确率 0.75 以下：数据清洗或特征工程大概率有问题，也可能是标签标注质量差。
- 0.75 到 0.85：属于正常水平，说明流程跑通，但模型还有提升空间。
- 0.85 到 0.90：相当不错，可以在论文里作为主结果展示。
- 0.90 以上：需要警惕过拟合，重点看一下测试集是否被你手滑放进了训练过程。
二分类任务通常比三分类高 5 个点左右。如果你只想快速出成果，二分类就能用，但论文深度会弱一些。三分类能讲更多的分析和调优故事，所以我更推荐。
不同模型也有差异。我拿一份 1 万条电商评论做过快速实验，朴素贝叶斯准确率大约 0.82，逻辑回归 0.87，线性 SVM 0.86。也就是说，逻辑回归在这类任务上常常是最稳的选择，而且可以通过查看特征权重解释模型。你在自己的数据上可以也跑一个基线对比，放进论文的表格里，比空口说“我的模型准确率很高”更有说服力。
4.2 参数调优的几个关键点
调优不要随机试。先盯两个模块：文本向量化和分类器正则化强度。
TfidfVectorizer 里最重要的参数是 max_features 和 ngram_range。max_features 控制特征总数。设太小，词表覆盖不全；设太大，训练变慢还容易过拟合。5000 到 10000 是一个比较合理的区间。ngram_range 刚才说过，尽量使用 (1, 2)，对否定表达很有帮助。
还可以关注 min_df 和 max_df。min_df=5 表示只在少于 5 条评论中出现的词直接丢弃，能过滤掉生僻噪声；max_df=0.8 表示在超过 80% 评论中都出现的词会被忽略，这类词通常没有区分度。
分类器方面，逻辑回归最常调的是 C。C 是正则化强度的倒数，C 越小，正则越强，越不容易过拟合。默认 C=1.0，如果训练集准确率远高于测试集，可以把 C 降到 0.1 试试；如果欠拟合，再适当调大。
想同时调多个参数，用 GridSearchCV：
from sklearn.model_selection import GridSearchCV from sklearn.pipeline import Pipeline pipe = Pipeline([ ('tfidf', TfidfVectorizer()), ('clf', LogisticRegression(max_iter=1000)) ]) params = { 'tfidf__max_features': [3000, 5000, 8000], 'tfidf__ngram_range': [(1, 1), (1, 2)], 'clf__C': [0.1, 1.0, 10.0] } grid = GridSearchCV(pipe, params, cv=5, scoring='f1_macro') grid.fit(X_train, y_train) print(grid.best_params_)用 Pipeline 的好处是能保证交叉验证时向量化和分类器同步更新，不会出现数据泄漏。调优结果应该报告交叉验证均值，而不是单次分割的运气分。
4.3 在论文里怎么呈现这些结果
论文不需要包含所有实验细节，但几个关键点一定要有：数据集来源和规模、数据预处理的规则、模型选择的原因、评估指标的定义、实验结果对比表、混淆矩阵图、以及 Web 系统截图。
一个很有说服力的展示方式是把逻辑回归模型里权重最大的前 20 个正向词和负向词列出来。比如“不错”“很快”“满意”权重高，“差劲”“退货”“客服”权重低。这种特征级分析在答辩现场很容易吸引老师追问，而你能解释清楚，分数自然就上去了。
Web 页面截图也不要随便截。至少要有三张：用户输入评论的页面、预测结果展示页面、历史记录列表页面。如果做了数据可视化图表，比如评论情感分布的饼图，也可以放一张。
5. 毕设开发中的常见问题与排查技巧
5.1 环境与依赖问题
环境问题是最磨人的。常见情况是：在自己电脑跑得好好的，换到另一台电脑就报错。根源是 Python 版本、依赖版本不一致。解决办法是立刻在项目根目录生成一个 requirements.txt：
pip freeze > requirements.txt换环境时执行：
pip install -r requirements.txt另外一个很实际的经验是，虚拟环境独一档，不要把包直接装到系统 Python 里。Anaconda 的 conda 环境就可以很好地隔离不同项目的依赖。
如果你需要请别人帮你远程看问题，最稳妥的方法不是共享屏幕，而是让对方用同样的 Python 版本和 requirements.txt 复现一遍。这样双方环境一致，问题定位起来会快很多。把训练脚本、预处理函数和依赖文件都提交到 git 仓库，比隔着屏幕口头描述更有用。
5.2 中文编码与乱码
中文编码是新手必踩的坑。用 pandas 读取 CSV 时，如果文件是用 Excel 另存为 CSV 的，默认编码可能是 GBK，直接读会报UnicodeDecodeError。解决方法是读取时指定编码：
data = pd.read_csv('comments.csv', encoding='utf-8-sig')utf-8-sig会自动处理文件开头的 BOM 头，比utf-8更稳妥。如果文件是 GBK，就改成encoding='gbk'。
Windows 系统下，控制台用 print 输出中文也可能乱码，这通常不是代码的问题，而是控制台编码不是 UTF-8。启动前先执行set PYTHONIOENCODING=utf-8，或者直接在代码里指定。Django 页面乱码则要检查 HTML 模板的 meta 标签：
<meta charset="utf-8">只要数据源头按 UTF-8 处理，后面保存到数据库再读取展示，基本不会出现乱码。
5.3 模型加载与预测速度问题
用 runserver 启动时，每次请求都去 load 一次模型，速度会慢到难以接受。解决办法刚才已经说过，把joblib.load放到模块顶层。这样第一个请求之后，模型对象一直在内存里，预测单条评论只需要毫秒级。
如果你的模型 pkl 文件很大，比如十几 MB，加载时间可能会让用户等待。这时可以调低 max_features，或者把向量化后的特征压缩。另外，Django 自带的 runserver 只适合开发，不能扛高并发。线上部署可以用 Gunicorn 加 Nginx，但毕业设计一般只要求演示，runserver 够用了。
需要提醒的是，模型文件、向量器文件和预处理函数要在部署时一起拷贝。很多人只拷贝了模型文件，忘记带向量器，导致线上预测直接报错。
5.4 数据不平衡问题
电商评论里，只给了默认好评的用户很多，而正经写负面评论的人少，所以数据集常见正向偏多。如果不处理，模型会把所有评论都猜成正面，因为这样也能拿到很高的准确率。这就是准确率的高分陷阱。
解决办法有三个方向。一是收集更多负面和中性样本，也就是在数据层面做平衡。二是调整分类器参数，逻辑回归里设置class_weight='balanced'，朴素贝叶斯里可以用类别先验。三是在评估时多关注 F1 macro，它会对少数类更敏感。
我在实际做评估时还遇到过一种情况：单独看每个类别的准确率都不错，但整体准确率很低。这通常是因为不同类别使用了不同的数据处理逻辑，或者标签映射混乱。遇到这种问题先检查数据分布和类别映射，再去怀疑模型。
5.5 答辩前检查清单
最后整理一份我在交付前会逐项检查的清单：
- 代码是否在全新环境里能跑通，不依赖 IDE 里的隐藏配置。
- 模型文件、向量器文件是否已经生成，并且能被项目代码正常加载。
- 预处理函数在训练和预测中是否完全一致，尤其是分词和停用词表。
- README 里是否写清楚环境安装、数据来源、训练命令和启动命令。
- 论文里的截图是否跟当前系统界面一致，避免出现旧版本截图。
- 准备 5 条测试评论，覆盖正向、中性和负向，临场演示时不要现场想。
- 如果老师要传一个新句子测试，你要能清空历史记录并快速得到结果。
这些细节看起来琐碎，但在答辩现场，能顺利运行一次完整演示，比任何口头解释都更有说服力。最后多提一句，整个项目里最值得花时间优化的不是漂亮页面，而是数据处理和评估那一段。页面整洁能用就行，真正决定项目质量的是模型训练流程是否规范、结论是否可信。把这个主线抓牢，毕业设计就不会跑偏。
