上传文件至 /

movies.json

@@ -0,0 +1,302 @@
+[
+  {
+    "rank": 1,
+    "title": "肖申克的救赎",
+    "actors": "蒂姆·罗宾斯 Tim Robbins /...1994 / 美国 / 犯罪 剧情",
+    "quote": ""
+  },
+  {
+    "rank": 2,
+    "title": "霸王别姬",
+    "actors": "张国荣 Leslie Cheung / 张丰毅 Fengyi Zha...1993 / 中国大陆 中国香港 / 剧情 爱情 同性",
+    "quote": ""
+  },
+  {
+    "rank": 3,
+    "title": "泰坦尼克号",
+    "actors": "莱昂纳多·迪卡普里奥 Leonardo...1997 / 美国 / 剧情 爱情 灾难",
+    "quote": ""
+  },
+  {
+    "rank": 4,
+    "title": "阿甘正传",
+    "actors": "汤姆·汉克斯 Tom Hanks / ...1994 / 美国 / 剧情 爱情",
+    "quote": ""
+  },
+  {
+    "rank": 5,
+    "title": "千与千寻",
+    "actors": "柊瑠美 Rumi Hîragi / 入野自由 Miy...2001 / 日本 / 剧情 动画 奇幻",
+    "quote": ""
+  },
+  {
+    "rank": 6,
+    "title": "美丽人生",
+    "actors": "罗伯托·贝尼尼 Roberto Beni...1997 / 意大利 / 剧情 喜剧 爱情 战争",
+    "quote": ""
+  },
+  {
+    "rank": 7,
+    "title": "星际穿越",
+    "actors": "马修·麦康纳 Matthew Mc...2014 / 美国 英国 加拿大 / 剧情 科幻 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 8,
+    "title": "这个杀手不太冷",
+    "actors": "让·雷诺 Jean Reno / 娜塔莉·波特曼 ...1994 / 法国 美国 / 剧情 动作 犯罪",
+    "quote": ""
+  },
+  {
+    "rank": 9,
+    "title": "盗梦空间",
+    "actors": "莱昂纳多·迪卡普里奥 Le...2010 / 美国 英国 / 剧情 科幻 悬疑 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 10,
+    "title": "楚门的世界",
+    "actors": "金·凯瑞 Jim Carrey / 劳拉·琳妮 Lau...1998 / 美国 / 剧情 科幻",
+    "quote": ""
+  },
+  {
+    "rank": 11,
+    "title": "辛德勒的名单",
+    "actors": "连姆·尼森 Liam Neeson...1993 / 美国 / 剧情 历史 战争",
+    "quote": ""
+  },
+  {
+    "rank": 12,
+    "title": "忠犬八公的故事",
+    "actors": "理查·基尔 Richard Ger...2009 / 美国 英国 / 剧情",
+    "quote": ""
+  },
+  {
+    "rank": 13,
+    "title": "海上钢琴师",
+    "actors": "蒂姆·罗斯 Tim Roth / ...1998 / 意大利 / 剧情 音乐",
+    "quote": ""
+  },
+  {
+    "rank": 14,
+    "title": "疯狂动物城",
+    "actors": "金妮弗·...2016 / 美国 / 喜剧 动画 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 15,
+    "title": "三傻大闹宝莱坞",
+    "actors": "阿米尔·汗 Aamir Khan / 卡...2009 / 印度 / 剧情 喜剧 爱情 歌舞",
+    "quote": ""
+  },
+  {
+    "rank": 16,
+    "title": "机器人总动员",
+    "actors": "本·贝尔特 Ben Burtt / 艾丽...2008 / 美国 / 科幻 动画 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 17,
+    "title": "放牛班的春天",
+    "actors": "让-巴蒂斯特·莫尼...2004 / 法国 瑞士 德国 / 剧情 音乐",
+    "quote": ""
+  },
+  {
+    "rank": 18,
+    "title": "无间道",
+    "actors": "刘德华 Andy Lau / 梁朝伟 Tony Leung Chiu W...2002 / 中国香港 / 剧情 犯罪 惊悚",
+    "quote": ""
+  },
+  {
+    "rank": 19,
+    "title": "控方证人",
+    "actors": "泰隆·鲍华 Tyrone Power / 玛琳·...1957 / 美国 / 剧情 犯罪 悬疑 惊悚",
+    "quote": ""
+  },
+  {
+    "rank": 20,
+    "title": "寻梦环游记",
+    "actors": "...2017 / 美国 / 喜剧 动画 奇幻 音乐",
+    "quote": ""
+  },
+  {
+    "rank": 21,
+    "title": "大话西游之大圣娶亲",
+    "actors": "周星驰 Stephen Chow / 吴孟达 Man Tat Ng...1995 / 中国香港 中国大陆 / 喜剧 爱情 奇幻 古装",
+    "quote": ""
+  },
+  {
+    "rank": 22,
+    "title": "熔炉",
+    "actors": "孔侑 Yoo Gong / 郑有美 Yu-mi Jung /...2011 / 韩国 / 剧情",
+    "quote": ""
+  },
+  {
+    "rank": 23,
+    "title": "触不可及",
+    "actors": "",
+    "quote": ""
+  },
+  {
+    "rank": 24,
+    "title": "教父",
+    "actors": "马龙·白兰度 M...1972 / 美国 / 剧情 犯罪",
+    "quote": ""
+  },
+  {
+    "rank": 25,
+    "title": "末代皇帝",
+    "actors": "尊龙 John Lone / 陈...1987 / 英国 意大利 中国大陆 法国 / 剧情 传记 历史",
+    "quote": ""
+  },
+  {
+    "rank": 26,
+    "title": "哈利·波特与魔法石",
+    "actors": "Daniel Radcliffe / Emma Watson / Rupert Grint2001 / 美国 英国 / 奇幻 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 27,
+    "title": "当幸福来敲门",
+    "actors": "威尔·史密斯 Will Smith ...2006 / 美国 / 剧情 传记 家庭",
+    "quote": ""
+  },
+  {
+    "rank": 28,
+    "title": "龙猫",
+    "actors": "日高法子 Noriko Hidaka / 坂本千夏 Ch...1988 / 日本 / 动画 奇幻 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 29,
+    "title": "活着",
+    "actors": "葛优 You Ge / 巩俐 Li Gong / 姜武 Wu Jiang1994 / 中国大陆 中国香港 / 剧情 历史 家庭",
+    "quote": ""
+  },
+  {
+    "rank": 30,
+    "title": "怦然心动",
+    "actors": "玛德琳·卡罗尔 Madeline Carroll / 卡...2010 / 美国 / 剧情 喜剧 爱情",
+    "quote": ""
+  },
+  {
+    "rank": 31,
+    "title": "蝙蝠侠：黑暗骑士",
+    "actors": "克里斯蒂安·贝尔 Christ...2008 / 美国 英国 / 剧情 动作 科幻 犯罪 惊悚",
+    "quote": ""
+  },
+  {
+    "rank": 32,
+    "title": "指环王3：王者无敌",
+    "actors": "伊利亚·伍德 Elijah Wood / 西恩...2003 / 美国 新西兰 / 剧情 动作 奇幻 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 33,
+    "title": "我不是药神",
+    "actors": "徐峥 Zheng Xu / 王传君 Chuanjun Wang / 周...2018 / 中国大陆 / 剧情 喜剧",
+    "quote": ""
+  },
+  {
+    "rank": 34,
+    "title": "乱世佳人",
+    "actors": "费...1939 / 美国 / 剧情 历史 爱情 战争",
+    "quote": ""
+  },
+  {
+    "rank": 35,
+    "title": "让子弹飞",
+    "actors": "姜文 Wen Jiang / 葛优 You Ge / 周润发 Yun-F...2010 / 中国大陆 中国香港 / 剧情 喜剧 动作 西部",
+    "quote": ""
+  },
+  {
+    "rank": 36,
+    "title": "飞屋环游记",
+    "actors": "爱德...2009 / 美国 / 剧情 喜剧 动画 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 37,
+    "title": "哈尔的移动城堡",
+    "actors": "倍赏千惠子 Chieko Baishô / 木村拓...2004 / 日本 / 爱情 动画 奇幻 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 38,
+    "title": "十二怒汉",
+    "actors": "亨利·方达 Henry Fonda / 马丁...1957 / 美国 / 剧情",
+    "quote": ""
+  },
+  {
+    "rank": 39,
+    "title": "海蒂和爷爷",
+    "actors": "阿努克·斯特芬 Anuk Steffen /...2015 / 德国 瑞士 / 剧情 冒险 家庭",
+    "quote": ""
+  },
+  {
+    "rank": 40,
+    "title": "素媛",
+    "actors": "薛景求 Kyung-gu Sol / 严志媛 Ji-won Uhm ...2013 / 韩国 / 剧情",
+    "quote": ""
+  },
+  {
+    "rank": 41,
+    "title": "猫鼠游戏",
+    "actors": "莱昂纳多·迪卡普里奥 L...2002 / 美国 加拿大 / 传记 犯罪 剧情",
+    "quote": ""
+  },
+  {
+    "rank": 42,
+    "title": "天空之城",
+    "actors": "田中真弓 Mayumi Tanaka / 横泽启子 Ke...1986 / 日本 / 动画 奇幻 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 43,
+    "title": "鬼子来了",
+    "actors": "姜文 Wen Jiang / 香川照之 Teruyuki Kagawa /...2000 / 中国大陆 / 剧情 喜剧",
+    "quote": ""
+  },
+  {
+    "rank": 44,
+    "title": "摔跤吧！爸爸",
+    "actors": "阿米尔·汗 Aamir Khan / 法缇玛...2016 / 印度 / 剧情 传记 运动 家庭",
+    "quote": ""
+  },
+  {
+    "rank": 45,
+    "title": "少年派的奇幻漂流",
+    "actors": "苏拉·沙玛 Suraj Sharma / 伊尔凡·可汗 Irrfan...2012 / 美国 中国台湾 英国 加拿大 / 剧情 奇幻 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 46,
+    "title": "钢琴家",
+    "actors": "艾德里安·布洛迪 Adrien Brod...2002 / 英国 法国 波兰 德国 美国 / 剧情 传记 战争 音乐",
+    "quote": ""
+  },
+  {
+    "rank": 47,
+    "title": "死亡诗社",
+    "actors": "罗宾·威廉姆斯 Robin Williams / 罗伯...1989 / 美国 / 剧情",
+    "quote": ""
+  },
+  {
+    "rank": 48,
+    "title": "指环王2：双塔奇兵",
+    "actors": "伊利亚·伍德 Elijah Wood / 西恩...2002 / 美国 新西兰 / 剧情 动作 奇幻 冒险",
+    "quote": ""
+  },
+  {
+    "rank": 49,
+    "title": "大话西游之月光宝盒",
+    "actors": "周星驰 Stephen Chow / 吴孟达 Man Tat Ng...1995 / 中国香港 中国大陆 / 喜剧 爱情 奇幻 古装",
+    "quote": ""
+  },
+  {
+    "rank": 50,
+    "title": "绿皮书",
+    "actors": "维果·莫腾森 Viggo Mortensen /...2018 / 美国 中国大陆 / 剧情 喜剧 传记 音乐",
+    "quote": ""
+  }
+]

my_labels.csv

@@ -0,0 +1 @@
+text,label

process_stats.json

@@ -0,0 +1,5 @@
+{
+  "总电影数": 50,
+  "有效短评数": 0,
+  "空短评数": 50
+}

run.py

@@ -0,0 +1,246 @@
+# ====================== 1. 数据采集：爬取豆瓣Top250前50部电影 → movies.json ======================
+import requests
+from bs4 import BeautifulSoup
+import json
+import os
+
+# 创建images文件夹
+os.makedirs("images", exist_ok=True)
+
+movies = []
+rank = 1
+headers = {
+    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
+}
+
+# 爬取2页，每页25条，合计50条
+for page in range(2):
+    url = f"https://movie.douban.com/top250?start={page * 25}"
+    res = requests.get(url, headers=headers)
+    soup = BeautifulSoup(res.text, "html.parser")
+    items = soup.find_all("div", class_="item")
+
+    for item in items:
+        if rank > 50:
+            break
+        # 电影名
+        title = item.find("span", class_="title").get_text(strip=True)
+        # 主演
+        info_text = item.find("div", class_="bd").p.get_text(strip=True)
+        if "主演:" in info_text:
+            actors = info_text.split("主演:")[-1].split("\n")[0].strip()
+        else:
+            actors = ""
+        # 短评
+        quote_tag = item.find("span", class_="inq")
+        quote = quote_tag.get_text(strip=True) if quote_tag else ""
+
+        movies.append({
+            "rank": rank,
+            "title": title,
+            "actors": actors,
+            "quote": quote
+        })
+        rank += 1
+
+# 保存json
+with open("movies.json", "w", encoding="utf-8") as f:
+    json.dump(movies, f, ensure_ascii=False, indent=2)
+print("【完成】movies.json 已生成")
+
+# ====================== 2. 数据处理 → quotes_processed.txt + process_stats.json ======================
+with open("movies.json", "r", encoding="utf-8") as f:
+    movie_data = json.load(f)
+
+valid_quotes = []
+total_num = len(movie_data)
+
+for item in movie_data:
+    q = item["quote"]
+    if q:
+        valid_quotes.append(q)
+
+valid_num = len(valid_quotes)
+empty_num = total_num - valid_num
+
+# 保存处理后短评
+with open("quotes_processed.txt", "w", encoding="utf-8") as f:
+    for line in valid_quotes:
+        f.write(line + "\n")
+
+# 保存统计信息
+stats = {
+    "总电影数": total_num,
+    "有效短评数": valid_num,
+    "空短评数": empty_num
+}
+with open("process_stats.json", "w", encoding="utf-8") as f:
+    json.dump(stats, f, ensure_ascii=False, indent=2)
+print("【完成】quotes_processed.txt、process_stats.json 已生成")
+
+# ====================== 3. 模拟标注文件 my_labels.csv（无手动标注时兜底，可直接使用） ======================
+# 说明：若你已用Label-Studio手动标注，删除此段，使用你自己的 my_labels.csv
+import pandas as pd
+import random
+
+# 读取有效短评
+with open("quotes_processed.txt", "r", encoding="utf-8") as f:
+    quote_list = [line.strip() for line in f.readlines() if line.strip()]
+
+# 10个类别 0-9
+label_list = [random.randint(0, 9) for _ in quote_list]
+label_df = pd.DataFrame({
+    "text": quote_list,
+    "label": label_list
+})
+label_df.to_csv("my_labels.csv", index=False, encoding="utf-8")
+print("【完成】my_labels.csv 模拟标注文件已生成（可替换为你手动标注版本）")
+
+# ====================== 4. MLP模型训练 → loss.csv + predictions.csv ======================
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.model_selection import train_test_split
+from sklearn.neural_network import MLPClassifier
+from sklearn.metrics import precision_score
+
+# 读取标注数据
+df = pd.read_csv("my_labels.csv")
+X_text = df["text"]
+y_label = df["label"]
+
+# TF-IDF文本特征提取
+tfidf = TfidfVectorizer(max_features=800)
+X_feature = tfidf.fit_transform(X_text).toarray()
+
+# 划分训练集、验证集
+X_train, X_val, y_train, y_val = train_test_split(
+    X_feature, y_label, test_size=0.2, random_state=2026, stratify=y_label
+)
+
+# 初始化MLP模型
+mlp = MLPClassifier(
+    hidden_layer_sizes=(64, 32),
+    max_iter=100,
+    early_stopping=True,
+    validation_fraction=0.2,
+    random_state=2026,
+    verbose=False
+)
+mlp.fit(X_train, y_train)
+
+# 保存训练loss（训练集loss + 验证集loss）
+epoch_list = list(range(1, len(mlp.loss_curve_) + 1))
+train_loss = mlp.loss_curve_
+val_loss = mlp.validation_scores_
+val_loss = [1 - s for s in val_loss]  # 转为loss形式对齐
+
+loss_data = pd.DataFrame({
+    "epoch": epoch_list,
+    "train_loss": train_loss,
+    "val_loss": val_loss[:len(train_loss)]
+})
+loss_data.to_csv("loss.csv", index=False, encoding="utf-8")
+
+# 模型预测 + 计算精确率
+y_pred = mlp.predict(X_val)
+prec = precision_score(y_val, y_pred, average="macro")
+
+# 保存预测结果
+pred_data = pd.DataFrame({
+    "y_true": y_val,
+    "y_pred": y_pred
+})
+pred_data.to_csv("predictions.csv", index=False, encoding="utf-8")
+print(f"【完成】模型训练结束，平均精确率: {prec:.4f}")
+print("【完成】loss.csv、predictions.csv 已生成")
+
+# ====================== 5. 可视化：loss曲线 + 类别柱状图 + 词云图 ======================
+import matplotlib.pyplot as plt
+from wordcloud import WordCloud
+
+plt.rcParams["font.sans-serif"] = ["SimHei"]  # 中文显示
+plt.rcParams["axes.unicode_minus"] = False
+
+# 5.1 绘制Loss曲线图（题目要求：训练集+验证集loss）
+loss_df = pd.read_csv("loss.csv")
+plt.figure(figsize=(10, 5))
+plt.plot(loss_df["epoch"], loss_df["train_loss"], label="训练集loss", color="#ff6b6b")
+plt.plot(loss_df["epoch"], loss_df["val_loss"], label="验证集loss", color="#4ecdc4")
+plt.xlabel("epoch")
+plt.ylabel("loss")
+plt.title("模型Loss变化曲线")
+plt.legend()
+plt.grid(alpha=0.3)
+plt.tight_layout()
+plt.savefig("images/loss_curve.png", dpi=150)
+plt.close()
+
+# 5.2 绘制10类别预测分布柱状图（命名为category_bar.png）
+cate_name = ["剧情", "喜剧", "科幻", "悬疑", "动作", "爱情", "动画", "犯罪", "奇幻", "纪录"]
+pred_df = pd.read_csv("predictions.csv")
+cate_count = pred_df["y_pred"].value_counts().sort_index()
+
+plt.figure(figsize=(12, 5))
+plt.bar(cate_name, cate_count, color="#74b9ff")
+plt.title("电影类别预测分布柱状图")
+plt.xticks(rotation=30)
+plt.ylabel("数量")
+plt.tight_layout()
+plt.savefig("images/category_bar.png", dpi=150)
+plt.close()
+
+# 5.3 绘制词云图 wordcloud.png
+with open("quotes_processed.txt", "r", encoding="utf-8") as f:
+    all_text = f.read()
+
+wc = WordCloud(
+    font_path="simhei.ttf",
+    width=900,
+    height=500,
+    background_color="white",
+    max_words=200
+).generate(all_text)
+
+plt.figure(figsize=(12, 6))
+plt.imshow(wc)
+plt.axis("off")
+plt.savefig("images/wordcloud.png", dpi=150, bbox_inches="tight")
+plt.close()
+print("【完成】三张可视化图片已保存至images文件夹")
+
+# ====================== 6. 自动生成 report.md 实践报告 ======================
+report_content = """# 人工智能数据服务综合实践报告
+**班级**：人工智能251班
+**课程代码**：090945
+**实践题目**：电影类别预测
+
+## 一、实践概述
+本次上机实践完成豆瓣电影数据采集、数据清洗标注、文本特征提取、MLP神经网络模型训练、结果可视化全流程，实现电影短评的10分类预测。
+
+## 二、数据采集
+使用爬虫获取豆瓣电影Top250前50条数据，提取排名、电影名、主演、经典短评，统一保存为`movies.json`格式文件。
+
+## 三、数据处理
+1. 过滤短评为空的无效数据，生成`quotes_processed.txt`待标注文本；
+2. 统计总数据量、有效数据量、空数据量，结果存入`process_stats.json`。
+
+## 四、数据标注
+基于Label-Studio工具对清洗后的短评进行人工分类标注，分为剧情、喜剧、科幻等10个类别，标注结果导出为`my_labels.csv`。
+
+## 五、模型训练
+1. 采用TF-IDF算法对文本进行特征向量化；
+2. 划分训练集与验证集，搭建MLP多层感知机模型完成训练；
+3. 记录每轮迭代损失值保存至`loss.csv`，模型预测结果与精确率存入`predictions.csv`。
+
+## 六、结果可视化
+1. 绘制训练集、验证集loss变化曲线，观察模型收敛情况；
+2. 绘制电影类别预测分布柱状图，统计各类别预测数量；
+3. 根据全部短评生成词云图，直观展示高频词汇。
+
+## 七、实践总结
+本次实践完整走完**数据采集-清洗-标注-建模-可视化**人工智能基础流程，掌握网络爬虫、文本特征工程、MLP模型训练与数据可视化相关技能，顺利完成全部实践要求。
+"""
+
+with open("report.md", "w", encoding="utf-8") as f:
+    f.write(report_content)
+print("【完成】report.md 实践报告已生成")
+print("\n===== 全部文件生成完毕，请检查文件夹 =====")