情绪分析日记与 AI 心情助手

项目简介

在保留原 Django 情绪日记网页交互层与 SQLite 数据库的前提下，把"情绪识别内核"从原先依赖 Hugging Face API 的在线推理升级为完全本地的传统机器学习五分类系统：jieba 分词 + TfidfVectorizer 特征 + MultinomialNB / LogisticRegression / LinearSVC 分类器 + joblib 持久化 + views.py 调用 predict_emotion()。

当前推理、入库和展示都以五分类为准：难过、焦虑、生气、平静、开心。

技术路线

现有 Django 项目
    └── 文本提交 (mood/views.py)
            └── ml.predict.predict_emotion(text)
                    ├── ml.preprocess.segment_text   # jieba + 停用词 + 自定义词典
                    ├── joblib.load(tfidf_vectorizer.joblib)
                    └── joblib.load(lr_model.joblib)  # LinearSVC / LogisticRegression
            └── MoodEntry.objects.create(...)
            └── 渲染 templates/mood/index.html

五分类标签规范

0 → 难过（sad，score = -2）
1 → 焦虑（anxious，score = -1）
2 → 生气（angry，score = -2）
3 → 平静（calm，score = 0）
4 → 开心（happy，score = +2）

主训练数据来自 Hugging Face zzhdbw/Simplified_Chinese_Multi-Emotion_Dialogue_Dataset。公开数据集里没有焦虑类，因此另外手工补了约 260 条大学生日记焦虑样本（期末、答辩、PPT、项目 DDL、老师检查、代码调不通等）。

端到端流程

数据准备：五分类语料整合 + 焦虑样本补全，8:1:1 分层切分。
预处理与特征：Unicode 清洗、jieba 分词、自定义词典、停用词过滤、TF-IDF Unigram + Bigram 向量化。
模型训练：Naive Bayes、Logistic Regression、LinearSVC 三个分类器同数据同特征训练；LR / SVC 使用 class_weight=balanced 处理类别不均衡。
评估：测试集 Accuracy、Macro-F1、Weighted-F1、五分类混淆矩阵与误分类样本分析。
持久化：joblib 保存向量器与模型，Django 进程内懒加载复用。
拓展实验：Hugging Face API 作为对照基线，K-Means / LSA + K-Means 作为无监督拓展（非默认推理链路）。

离线评估结果

在 430 条独立测试样本上，当前 LinearSVC 的离线结果：

Accuracy：91.86%
Macro-F1：92.08%
Weighted-F1：91.84%

以上指标仅代表当前数据集和划分方式下的小规模离线实验结果，不等同于开放场景下的实际效果。

Django 集成

用户在文本框写入心情并提交后，mood/views.py 调用 predict_emotion(text)，得到五分类结果与所用模型信息，写入 MoodEntry 后重定向回首页展示：

本次分析结果：文本、五分类中文情绪、所用模型、分析时间、趋势分值、建议语句。
心情趋势图：基于 display_score 字段绘制，y 轴范围 -2 ~ +2。
历史记录列表：所有 MoodEntry 按时间倒序。

技术栈

Python、scikit-learn、pandas、jieba、TF-IDF、MultinomialNB、LogisticRegression、LinearSVC、joblib、Django 5.2、SQLite、Matplotlib、datasets。

项目定位

该项目体现了从数据准备、文本预处理、特征工程、模型训练、离线评估到 Web 应用集成的完整传统机器学习流程，是候选人机器学习基础项目的展示载体。机器学习并非当前主要求职方向，核心方向仍是 Agent、RAG 和 AI 应用后端。