# 人工智能数据服务 · 综合实践 > 课程代码：090945　　班级：人工智能251班（50人） > 考试形式：上机实践 · 2 节连堂（90 分钟）· 个人独立完成 --- ## 一、说明 **类别词典**（共 10 类，本试卷通用）： ``` 0.剧情 1.喜剧 2.科幻 3.悬疑 4.动作 5.爱情 6.动画 7.犯罪 8.奇幻 9.纪录 ``` 注：一部电影一个类别 **要求**： 1. 独立完成 2. 可参考 gitea 中的模板文件 3. 禁止使用豆包等大模型工具 4. 完成后提交到 Gitea 仓库 final-practice --- ## 二、数据采集 爬取豆瓣电影 Top250 前 50 部电影信息，包含电影名称、主演、短评。数据保存为 `movies.json`。 JSON 字段示例： ```json {"rank": 1, "title": "肖申克的救赎", "actors": "蒂姆·罗宾斯 / 摩根·弗里曼", "quote": "希望让人自由。"} ``` --- ## 三、数据处理与标注 读取 `movies.json`，整理出短评部分。并且使用 label-studio 进行数据标注。 操作要点： - 过滤 `quote` 字段为空的电影 - 将待标注数据导入 label-studio - 给每条短评标注 10 个类别中**最显著的一个** - 导出标注结果 --- ## 四、模型训练 使用标注的数据，使用 MLP 模型进行训练。获取训练时候的 loss 和 precision 两个数据，分别保存为 `loss.csv` 和 `predictions.csv` 两个文件。 操作要点： - 用 `TfidfVectorizer` 提取文本特征 - 划分训练集 / 验证集 - 训练 MLP 模型并记录 loss - 预测测试集并计算 precision --- ## 五、可视化编程 基于 `loss.csv` 和 `predictions.csv` 绘制 2 张图。 操作要点： - 图 1：loss 曲线（横轴 epoch，纵轴 loss，含训练集和验证集） - 图 2：10 个类别的预测分布柱状图 --- ## 六、提交规范 ### 6.1 必交文件 ``` 学号_姓名/ ├── movies.json ├── quotes_processed.txt ├── process_stats.json ├── predictions.csv ├── my_labels.csv ├── report.md └── images/ ├── wordcloud.png └── category_bar.png ``` ---