風(fēng)之子: 我剛?cè)胧秩A為的新款手機(jī)，電池續(xù)航讓我大吃一驚，真是不錯(cuò)！攝像頭表現(xiàn)一般，但屏幕顏色非常出色。手感很好，流暢度也很高。外觀方面，我覺得挺時(shí)尚的?？偟膩碚f，我非常滿意這臺(tái)手機(jī)，性價(jià)比非常高，用起來也很可靠?？爝f也很快，我一定會(huì)推薦給朋友。
月光仙子: 這款華為手機(jī)手感超好，操作非常流暢，客服也很給力。產(chǎn)品質(zhì)量優(yōu)秀，物流速度也快，外觀非常吸引我，非常滿意。
獨(dú)孤求敗: 攝像頭是這款華為手機(jī)的一大亮點(diǎn)，但電池續(xù)航有點(diǎn)短。外觀設(shè)計(jì)一般，品牌信譽(yù)也還行。產(chǎn)品質(zhì)量不錯(cuò)，但可靠性一般，性價(jià)比也就一般。
劍圣: 用了一段時(shí)間這款華為，外觀很贊，操作也流暢。品牌也是我信賴的。不過屏幕有點(diǎn)讓人失望，功能還算齊全?？傮w來說，性價(jià)比還是不錯(cuò)的。
小白龍: 個(gè)人不太喜歡這款華為手機(jī)的外觀，但性價(jià)比很高，操作流暢度也不錯(cuò)。攝像頭性能強(qiáng)大，但屏幕顯示效果一般。個(gè)性化需求滿足度一般，不確定是否推薦給朋友。
雷霆之怒: 這款華為手機(jī)是個(gè)好東西，電池續(xù)航很長，攝像頭表現(xiàn)也相當(dāng)專業(yè)。用戶體驗(yàn)上，我覺得是非常好的，流暢度高，一定會(huì)推薦給別人。
夜行者: 這款華為手機(jī)的屏幕是亮點(diǎn)，但電池上稍微不如意。物流速度一般，外觀也挺好看的，總體滿意度一般。
魔法少女: 我覺得這款華為手機(jī)在功能完整性上做得非常好，而且手感很不錯(cuò)。客服態(tài)度也好，就是物流速度一般。品牌信譽(yù)很高。
暗夜精靈: 實(shí)際使用下來，這款華為手機(jī)流暢度很好，而且非?？煽俊？爝f速度也非?？?，品牌也是值得信賴的。
星河戰(zhàn)士: 這款華為手機(jī)性價(jià)比高，電池和屏幕都不錯(cuò)。滿足了我所有的個(gè)性化需求，外觀設(shè)計(jì)也很有特點(diǎn)，我一定會(huì)推薦給其他人。

langchain.chains.openai_functions.extraction.create_extraction_chain(schema: dict, llm: BaseLanguageModel, prompt: Optional[BasePromptTemplate] = None, verbose: bool = False) → Chain
Parameters
?schema – The schema of the entities to extract.
?llm – The language model to use.
?prompt – The prompt to use for extraction.
?verbose – Whether to run in verbose mode. In verbose mode, some intermediate logs will be printed to the console. Defaults to langchain.verbose value.
Returns
Chain that can be used to extract information from a passage.

schema = {
"properties": {
"用戶名": {"type": "string"},
"電池": {"type": "string"},
"攝像頭": {"type": "string"},
"屏幕": {"type": "string"},
"手感": {"type": "string"},
"流暢度": {"type": "string"},
"外觀": {"type": "string"},
"品牌": {"type": "string"}
 },
"required": ["用戶名"]
}

from langchain.chat_models import ChatOpenAI
from langchain.llms.baidu_qianfan_endpoint import QianfanLLMEndpoint
from langchain.chains import create_extraction_chain

# Schema
schema = {
    "properties": {
        "用戶名": {"type": "string"},
        "電池": {"type": "string"},
        "攝像頭": {"type": "string"},
        "屏幕": {"type": "string"},
        "手感": {"type": "string"},
        "流暢度": {"type": "string"},
        "外觀": {"type": "string"},
        "品牌": {"type": "string"}
    },
    "required": ["用戶名"]
}

# Input
inp = """
風(fēng)之子: 我剛?cè)胧秩A為的新款手機(jī)，電池續(xù)航讓我大吃一驚，真是不錯(cuò)！攝像頭表現(xiàn)一般，但屏幕顏色非常出色。手感很好，流暢度也很高。外觀方面，我覺得挺時(shí)尚的?？偟膩碚f，我非常滿意這臺(tái)手機(jī)，性價(jià)比非常高，用起來也很可靠?？爝f也很快，我一定會(huì)推薦給朋友。
月光仙子: 這款華為手機(jī)手感超好，操作非常流暢，客服也很給力。產(chǎn)品質(zhì)量優(yōu)秀，物流速度也快，外觀非常吸引我，非常滿意。
獨(dú)孤求敗: 攝像頭是這款華為手機(jī)的一大亮點(diǎn)，但電池續(xù)航有點(diǎn)短。外觀設(shè)計(jì)一般，品牌信譽(yù)也還行。產(chǎn)品質(zhì)量不錯(cuò)，但可靠性一般，性價(jià)比也就一般。
劍圣: 用了一段時(shí)間這款華為，外觀很贊，操作也流暢。品牌也是我信賴的。不過屏幕有點(diǎn)讓人失望，功能還算齊全?？傮w來說，性價(jià)比還是不錯(cuò)的。
小白龍: 個(gè)人不太喜歡這款華為手機(jī)的外觀，但性價(jià)比很高，操作流暢度也不錯(cuò)。攝像頭性能強(qiáng)大，但屏幕顯示效果一般。個(gè)性化需求滿足度一般，不確定是否推薦給朋友。
雷霆之怒: 這款華為手機(jī)是個(gè)好東西，電池續(xù)航很長，攝像頭表現(xiàn)也相當(dāng)專業(yè)。用戶體驗(yàn)上，我覺得是非常好的，流暢度高，一定會(huì)推薦給別人。
夜行者: 這款華為手機(jī)的屏幕是亮點(diǎn)，但電池上稍微不如意。物流速度一般，外觀也挺好看的，總體滿意度一般。
魔法少女: 我覺得這款華為手機(jī)在功能完整性上做得非常好，而且手感很不錯(cuò)。客服態(tài)度也好，就是物流速度一般。品牌信譽(yù)很高。
暗夜精靈: 實(shí)際使用下來，這款華為手機(jī)流暢度很好，而且非?？煽?。快遞速度也非常快，品牌也是值得信賴的。
星河戰(zhàn)士: 這款華為手機(jī)性價(jià)比高，電池和屏幕都不錯(cuò)。滿足了我所有的個(gè)性化需求，外觀設(shè)計(jì)也很有特點(diǎn)，我一定會(huì)推薦給其他人。
"""


# Initialize the ChatOpenAI model
llm = ChatOpenAI(temperature=0, model="gpt-3.5-turbo")

# Create the extraction chain
chain = create_extraction_chain(schema, llm)

# Run the chain
results = chain.run(inp)

# 'results' 變量將包含抽取的信息。

[{'用戶名': '風(fēng)之子', '電池': '續(xù)航', '攝像頭': '表現(xiàn)', '屏幕': '顏色', '手感': '好', '流暢度': '高', '外觀': '時(shí)尚', '品牌': '華為'}, 
{'用戶名': '月光仙子', '手感': '好', '流暢度': '流暢', '外觀': '吸引', '品牌': '華為'}, {'用戶名': '獨(dú)孤求敗', '攝像頭': '亮點(diǎn)', '電池': '續(xù)航', '外觀': '設(shè)計(jì)', '品牌': '華為'}, {'用戶名': '劍圣', '外觀': '贊', '操作': '流暢', '品牌': '華為'}, 
{'用戶名': '小白龍', '外觀': '不喜歡', '性價(jià)比': '高', '操作': '流暢', '攝像頭': '強(qiáng)大', '屏幕': '顯示效果', '個(gè)性化需求': '滿足'}, 
{'用戶名': '雷霆之怒', '電池': '續(xù)航', '攝像頭': '專業(yè)', '用戶體驗(yàn)': '好', '流暢度': '高'}, 
{'用戶名': '夜行者', '屏幕': '亮點(diǎn)', '電池': '不如意', '物流速度': '一般', '外觀': '好看'}, 
{'用戶名': '魔法少女', '功能完整性': '好', '手感': '不錯(cuò)', '客服態(tài)度': '好', '物流速度': '一般', '品牌信譽(yù)': '高'}, 
{'用戶名': '暗夜精靈', '流暢度': '好', '可靠性': '可靠', '快遞速度': '快', '品牌': '值得信賴'}, 
{'用戶名': '星河戰(zhàn)士', '性價(jià)比': '高', '電池': '不錯(cuò)', '屏幕': '不錯(cuò)', '個(gè)性化需求': '滿足', '外觀設(shè)計(jì)': '特點(diǎn)'}]

langchain.chains.openai_functions.tagging.create_tagging_chain(schema: dict, llm: BaseLanguageModel, prompt: Optional[ChatPromptTemplate] = None, **kwargs: Any) → Chain[source]
Creates a chain that extracts information from a passage
based on a schema.
Parameters
?schema – The schema of the entities to extract.
?llm – The language model to use.
Returns
Chain (LLMChain) that can be used to extract information from a passage.

from langchain.chat_models import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
from langchain.chains import create_tagging_chain, create_tagging_chain_pydantic

# 定義schema，用于描述我們想要標(biāo)記的屬性
schema = {
    "properties": {
        "滿意度": {
            "type": "string",
            "enum": ["非常滿意", "滿意", "一般", "不滿意", "非常不滿意"],
            "description": "描述對產(chǎn)品或服務(wù)的整體滿意度"
        },
        "產(chǎn)品質(zhì)量": {
            "type": "string",
            "enum": ["優(yōu)秀", "良好", "一般", "差勁"],
            "description": "描述產(chǎn)品的質(zhì)量"
        },
        "性價(jià)比": {
            "type": "string",
            "enum": ["非常高", "高", "一般", "低"],
            "description": "描述產(chǎn)品的性價(jià)比"
        },
        "用戶體驗(yàn)": {
            "type": "string",
            "enum": ["非常好", "好", "一般", "差"],
            "description": "描述用戶體驗(yàn)"
        },
        "客戶服務(wù)": {
            "type": "string",
            "enum": ["非常滿意", "滿意", "一般", "不滿意"],
            "description": "描述客戶服務(wù)"
        },
        "推薦意愿": {
            "type": "string",
            "enum": ["一定會(huì)", "可能會(huì)", "不確定", "不會(huì)"],
            "description": "描述推薦意愿"
        },
        "功能完整性": {
            "type": "string",
            "enum": ["非常好", "好", "一般", "差"],
            "description": "描述功能完整性"
        },
        "交付速度": {
            "type": "string",
            "enum": ["非?？?, "快", "一般", "慢"],
            "description": "描述交付速度"
        },
        "可靠性": {
            "type": "string",
            "enum": ["非?？煽?, "可靠", "一般", "不可靠"],
            "description": "描述可靠性"
        },
        "個(gè)性化需求滿足度": {
            "type": "string",
            "enum": ["非常滿意", "滿意", "一般", "不滿意"],
            "description": "描述個(gè)性化需求滿足度"
        }
    },
    "required": ["滿意度", "產(chǎn)品質(zhì)量", "性價(jià)比"]  # 示例中一些必須要有的屬性
}

# 初始化LLM模型
llm = ChatOpenAI(temperature=0, model="gpt-3.5-turbo")

# 創(chuàng)建標(biāo)記鏈
chain = create_tagging_chain(schema, llm)

# 分割輸入文本以獲取單個(gè)用戶的評論
user_comments = inp.strip().split("\n")

# 創(chuàng)建一個(gè)空字典用于保存每個(gè)用戶的標(biāo)記結(jié)果
tagged_results = {}

# 遍歷每個(gè)用戶的評論
for comment in user_comments:
    user, user_comment = comment.split(": ", 1)
    # 執(zhí)行標(biāo)記操作
    result = chain.run(user_comment)
    # 將標(biāo)記結(jié)果保存到字典中
    tagged_results[user] = result

# 遍歷tagged_results字典
for user, feedback in tagged_results.items():
    # 格式化反饋內(nèi)容為一個(gè)字符串
    feedback_str = ", ".join(f"{key}: {value}" for key, value in feedback.items())
    # 打印用戶名和反饋
    print(f"用戶名：{user}，反饋：{feedback_str}")

用戶名：風(fēng)之子，反饋：滿意度: 非常滿意, 性價(jià)比: 非常高, 可靠性: 很可靠, 交付速度: 很快, 推薦意愿: 一定會(huì)
用戶名：月光仙子，反饋：滿意度: 非常滿意, 產(chǎn)品質(zhì)量: 優(yōu)秀, 客戶服務(wù): 滿意, 交付速度: 快
用戶名：獨(dú)孤求敗，反饋：產(chǎn)品質(zhì)量: 一般, 可靠性: 一般, 性價(jià)比: 一般
用戶名：劍圣，反饋：滿意度: 一般, 產(chǎn)品質(zhì)量: 一般, 性價(jià)比: 不錯(cuò), 功能完整性: 好
用戶名：小白龍，反饋：性價(jià)比: 高, 個(gè)性化需求滿足度: 一般, 推薦意愿: 不確定
用戶名：雷霆之怒，反饋：用戶體驗(yàn): 非常好, 推薦意愿: 一定會(huì)
用戶名：夜行者，反饋：滿意度: 一般, 產(chǎn)品質(zhì)量: 一般, 性價(jià)比: 一般
用戶名：魔法少女，反饋：功能完整性: 非常好, 客戶服務(wù): 好, 交付速度: 一般, 可靠性: 一般
用戶名：暗夜精靈，反饋：可靠性: 非常可靠, 交付速度: 非?？?用戶名：星河戰(zhàn)士，反饋：性價(jià)比: 高, 個(gè)性化需求滿足度: 非常滿意, 推薦意愿: 一定會(huì)

# 初始化計(jì)數(shù)器
count_very_satisfied = 0
count_excellent_quality = 0

# 計(jì)算總用戶數(shù)
total_users = len(tagged_results)

# 遍歷tagged_results字典
for user, feedback in tagged_results.items():
    # 檢查滿意度是否為“非常滿意”
    if feedback.get("滿意度") == "非常滿意":
        count_very_satisfied += 1
    # 檢查產(chǎn)品質(zhì)量是否為“優(yōu)秀”
    if feedback.get("產(chǎn)品質(zhì)量") == "優(yōu)秀":
        count_excellent_quality += 1

# 計(jì)算百分比
percent_very_satisfied = (count_very_satisfied / total_users) * 100
percent_excellent_quality = (count_excellent_quality / total_users) * 100

# 打印百分比
print(f"非常滿意的用戶百分比: {percent_very_satisfied}%")
print(f"產(chǎn)品質(zhì)量優(yōu)秀的用戶百分比: {percent_excellent_quality}%")

非常滿意的用戶百分比: 20.0%
產(chǎn)品質(zhì)量優(yōu)秀的用戶百分比: 10.0%

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.font_manager import FontProperties

# 轉(zhuǎn)換為 DataFrame
df = pd.DataFrame.from_dict(tagged_results, orient='index')

# 定義枚舉到數(shù)值的映射
mapping = {
    "非常滿意": 5, "滿意": 4, "一般": 3, "不滿意": 2, "非常不滿意": 1,
    "優(yōu)秀": 4, "良好": 3, "一般": 2, "差勁": 1,
    "非常高": 4, "高": 3, "一般": 2, "低": 1,
    "非常好": 4, "好": 3, "一般": 2, "差": 1,
    "非常滿意": 4, "滿意": 3, "一般": 2, "不滿意": 1,
    "一定會(huì)": 4, "可能會(huì)": 3, "不確定": 2, "不會(huì)": 1,
    "非?？?: 4, "快": 3, "一般": 2, "慢": 1,
    "非?？煽?: 4, "可靠": 3, "一般": 2, "不可靠": 1
}

# 將標(biāo)簽轉(zhuǎn)換為數(shù)值
for column in df.columns:
    df[column] = df[column].map(mapping)

# 計(jì)算每個(gè)屬性（列）的平均得分
averages = df.mean()

# 準(zhǔn)備繪制雷達(dá)圖
attributes = list(df.columns)
num_vars = len(attributes)

# 計(jì)算角度
angles = np.linspace(0, 2 * np.pi, num_vars, endpoint=False).tolist()
angles += angles[:1]  # 使雷達(dá)圖封閉

# 平均得分
averages = averages.tolist() + averages.tolist()[:1]

# 設(shè)置字體
font = FontProperties(fname='SimHei.ttf')

# 繪制雷達(dá)圖
plt.figure(figsize=(8, 8))
ax = plt.subplot(polar=True)

# 畫線
ax.fill(angles, averages, color='blue', alpha=0.25)
ax.set_xticks(angles[:-1])
ax.set_xticklabels(attributes, fontproperties=font)

# 添加標(biāo)題
plt.title('標(biāo)記結(jié)果的雷達(dá)圖', size=20, color='blue', y=1.1, fontproperties=font)

plt.show()