企业官网建设流程全解析

每年到毕业设计季，总有人问我：选了深度学习方向，结果数据、模型、前后端哪哪都卡壳，该怎么办。今年带的某个学生恰好选了一个特别典型的题目——Python深度学习新闻情感分析预测系统，还带新闻可视化，交付材料包源码、论文文档、PPT和讲解演示。我干脆拿这个题目当案例，把从选题拆解、技术选型、数据处理、模型训练到可视化联调，再到答辩材料准备的整套流程梳理一遍，给后面打算选类似方向的人做个参照。这个题目看起来常规，但信息量不小，认真做下来，能同时锻炼自然语言处理、深度学习建模、Web开发和文档写作四块能力。

1. 先把这个毕设彻底拆开看明白

1.1 一句话说清系统到底做什么

这个项目的核心，用一句话概括：输入一段新闻文本，系统自动判断这条新闻表达的情感倾向是正面、负面还是中性，同时通过可视化图表展示一批新闻数据的整体情感分布和变化趋势。

很多人第一次看到“新闻情感分析预测系统”这个名字会有点迷惑，感觉既要做分析，又要做预测。实际上这里并不矛盾。“分析”是针对已有新闻数据做统计和可视化，“预测”是指训练好的深度学习模型能对未见过的新闻文本输出情感类别。比如说，今天爬下来1000条新闻，先用模型给每一条打上情感标签，然后按日期统计正面新闻占比、负面新闻占比，再用折线图展示一周内情感走势。同时，页面提供一个输入框，用户粘贴一段新新闻，点击按钮，模型立刻返回“积极”“消极”或“中性”的结果。这套东西组合在一起，就是完整的新闻情感分析预测系统。

这题目的核心价值在于：它不是一个单纯算法题，而是一个包含“数据采集—文本处理—模型训练—接口封装—前端可视化”的完整闭环项目。评审老师或者答辩评委一看就能明白系统做了什么，也能针对每一个环节提问，非常适合作为计算机专业毕业设计。

1.2 这个题目适合谁选，能锻炼哪些能力

如果你现在大三下或大四上正在纠结选题，我建议按下面几条判断自己适不适合做这个方向：

• 你已经学过Python基础，会写简单的循环、函数和类，不排斥安装第三方库。
• 你上过或者至少听过机器学习、深度学习的基本概念，知道训练集和测试集的区别。
• 你愿意花时间处理数据，不觉得爬虫、清洗、分词这些工作枯燥。
• 你对最终能跑出一个Web页面有期待，不想只停留在Jupyter Notebook里跑模型。

这类学生做这个题，收益会非常明显。首先是数据处理能力，新闻文本是典型的非结构化数据，里面有HTML残留、URL、特殊符号、各种语言混排，你要亲手把它们处理成模型能读的数值向量。其次是建模调参能力，情感分类属于文本分类问题，你会接触到词向量、卷积神经网络、循环神经网络或者预训练模型这些名词，并且要亲手调batch size、学习率、卷积核数量。最后是工程化能力，训练好的模型要用Flask或Django包成接口，再让前端页面调用，这个联动过程很多学生第一次做会非常有成就感。

当然，它也要求你有一定的时间预算。我见过不少学生前期兴致很高，结果卡在环境安装和CUDA版本冲突上好几天。心态上要预期到这个题目不是两三天能填完的坑，但对认真做的人来说，回报也足够大。

2. 技术选型背后的逻辑，别急着上代码

2.1 编程语言与框架选择

技术选型这一步，很多新手喜欢直接问“用什么最好”，但真正合理的思路是“用什么能在我现有的资源条件下把系统跑通”。拿这个题来说，Python几乎是不二之选。原因很简单：深度学习框架的生态基本都在Python这边，PyTorch和TensorFlow的文档、教程、预训练模型，随便一搜就是一堆。数据处理方面有Pandas和NumPy，抓取数据可以requests加BeautifulSoup，分词有国内开发者都很熟悉的jieba库，Web端又有轻量级的Flask。整套链路用Python串联，衔接成本最低。

深度学习框架我建议优先考虑PyTorch。不是因为TensorFlow不好，而是PyTorch的代码风格更接近Python原生的写法，调试的时候不容易晕。尤其对于毕业设计这种需要“自己动手写模型主体”的场景，PyTorch在定义网络结构和训练循环时，逻辑非常直白，一个中等基础的学生花两三天就能上手。TensorFlow的高层接口Keras确实写起来更简单，但一旦遇到自定义训练细节，文档绕来绕去很容易把新手绕晕。

Web框架就用Flask。它简单、灵活，一个文件就能启动一个服务，能非常方便地加载训练好的模型文件。Django功能更全，但对这个项目来说是杀鸡用牛刀，而且Django的项目结构对第一次接触Web的学生来说理解成本更高。

2.2 情感分析的技术路线怎么选

新闻情感分析本质上是一个文本分类任务。如果倒回去五六年，很多系统还在用传统的“情感词典”方案：维护一张包含大量积极词和消极词的词典，扫描文本，遇到积极词加分，遇到消极词减分，最后看总分判断情感方向。这种方案的好处是简单、不依赖大量标注数据，但缺陷也很明显——没法处理复杂的上下文语义。比如一句话里前后转折，或者使用反讽语气，情感词典完全无能为力。

这个项目叫“深度学习新闻情感分析预测系统”，核心卖点就是用深度神经网络自动学习文本特征，而不是靠人工词典。目前最常见的三类模型是TextCNN、BiLSTM和BERT。TextCNN用卷积核捕捉文本局部n-gram特征，训练速度快，对短文本效果不错；BiLSTM通过双向循环结构捕捉句子中的长距离依赖；BERT则是预训练语言模型，语义理解能力最强，但显存和训练时间成本也最高。

用生活经验类比一下：情感词典就像语文考试时只让你查字典，每个词都认识但连在一起就不理解；TextCNN像是一个能快速扫读关键词的速读选手；BiLSTM更像一个逐句阅读、前后对照的读者；BERT则是上了大量课外班、知识储备丰富的尖子生。毕业设计选Type，不一定要一上来就上BERT，把TextCNN或BiLSTM做扎实，再加一个BERT对比实验，已经完全足够撑起一篇论文的含金量。

2.3 前端可视化的方案定哪种

新闻可视化部分，让人一眼觉得“这个系统像个正经产品”的，往往是图表呈现效果。目前最常用的是ECharts生态。ECharts是百度开源的一个图表库，图表类型丰富，交互流畅，而且中文文档特别友好。

具体落地有两条路线。一条是“前端原生接入ECharts”：后端只提供数据接口，前端页面里用JavaScript初始化图表，把后端返回的JSON数据填充到图表里。这种方式灵活，图表好看，适合未来想往前端方向深入的学生。另一条是“Python端PyECharts生成图表”：PyECharts是ECharts的Python封装，你可以在Python代码里写图表的配置，然后生成HTML文件，Flask把生成的HTML返回给浏览器。这种方式写起来更省事，对前端的依赖更小，但动态交互弱一些。

我个人的建议是：如果项目时间紧张，用PyECharts快速产出饼图、折线图、词云，已经很能说明问题；如果时间充裕，想突出自己的工程能力，就选择原生ECharts。下面这个表格可以帮你快速做决定：

3. 从新闻数据到情感标签：数据处理全流程

3.1 数据从哪来，怎么抓才稳妥

算法再好，没有数据就是空谈。新闻情感分析需要一堆“新闻文本”和对应的“情感标签”。数据来源一般有两个思路：一是使用公开的、已标注的数据集，很多NLP社区都能找到中文情感分析数据集；二是自己写爬虫，从公开新闻网站采集文本，然后自行标注。

很多学生一听到爬虫就兴奋，觉得这是这个项目最有“黑客感”的部分。但我要提醒一句：爬虫的首要原则是遵守目标网站的robots协议，不要爬取需要登录或者非公开的数据，请求频率也不要设置得太高，否则会给对方服务器带来压力。从技术上讲，requests加BeautifulSoup的组合足够完成大多数静态新闻页面的采集，代码量不大。如果是动态页面，可能需要Selenium模拟浏览器，但毕业设计一般不需要做到那么复杂。

数据量方面，做演示和训练模型，我建议至少准备1万到2万条新闻文本。数据量太小，模型很难学到有效特征，测试指标也会忽高忽低，答辩时容易被问倒。

3.2 清洗和分词，细节里全是坑

新闻文本拿到手后，第一件事不是分词，而是清洗。里面可能包含大量HTML标签、CSS样式、JavaScript脚本、URL链接、emoji表情、全角半角符号混排。这些内容对模型来说都是噪声。清洗阶段一般按顺序处理：

• 去掉HTML标签，可以用正则表达式去除所有尖括号包裹的内容。
• 去掉URL、数字串、邮箱地址等无意义信息。
• 将全角字符转成半角，统一英文字母大小写。
• 去掉特殊符号和连续空格。

清洗完之后才是中文分词。英文文本天然按空格分开，但中文是连续字符串，必须用工具切开。jieba是目前最流行的中文分词库，支持自定义词典，使用极其简单。举个例子：

import jieba text = "我国新能源汽车产业继续保持快速增长" words = jieba.lcut(text) print(words) # ['我国', '新能源', '汽车', '产业', '继续', '保持', '快速', '增长']

分词之后一般还要去掉停用词。停用词就是“的、了、是、在、也”这类出现频率极高但情感信息量很小的词。这里有个非常容易踩的坑：去停用词时不要一并删掉否定词和转折词，比如“不”“没有”“但是”“然而”。因为“不喜欢”如果被切掉“不”，情感方向就反了。第一次做这个项目的学生，十个里有八个会在这个细节上翻车。

3.3 标签怎么打，样本不均衡怎么处理

这是整个数据处理阶段最需要动脑筋的地方。爬下来的新闻文本本身是没有情感标签的，你不可能靠人工给上万条新闻逐条标注，时间成本太高。

一个比较实用的做法是：先用成熟的情感词典对文本做一轮自动粗标注。比如统计每条文本中积极词和消极词的数量，积极词多就打“积极”，消积词多就打“消极”，差不多就打“中性”。然后从中抽取一定比例去人工复核修正。这种半自动标注方式能让你快速获得一批训练数据，虽然有噪声，但足以让深度学习模型跑通。

另外要注意样本不均衡。新闻数据里“中性”的文本往往占大多数，因为很多新闻报道努力保持客观。如果训练集中中性样本占80%，积极和消极加起来才占20%，模型很容易变成“永远输出中性”的懒惰模型。处理办法有几种：收集数据时尽量多找评论类、观点类的新闻背景材料；训练时给少数类样本设置更高的类别权重；或者对少数类样本做简单的过采样，让类别比例相对均衡。这一步直接决定模型最终能不能用，别忽视。

4. 深度学习模型实现与调参实战

4.1 模型选型：先搭一个能跑的基线

模型这一块，我的建议是做“主模型+对比模型”。主模型可以选TextCNN，因为它是入门文本分类最简单有效的结构，训练快，特别适合新闻这种以关键词驱动语义的文本。对比模型可以用BERT，用来证明你用到了更前沿的预训练技术。一条TextCNN基线模型的定义大致长这样：

import torch import torch.nn as nn class TextCNN(nn.Module): def __init__(self, vocab_size, embedding_dim, num_classes): super().__init__() self.embedding = nn.Embedding(vocab_size, embedding_dim) self.convs = nn.ModuleList([ nn.Conv1d(embedding_dim, 128, kernel_size=k) for k in [3, 4, 5] ]) self.fc = nn.Linear(128 * 3, num_classes) self.dropout = nn.Dropout(0.5) def forward(self, x): x = self.embedding(x) # [batch, seq_len, emb_dim] x = x.transpose(1, 2) # [batch, emb_dim, seq_len] conv_outputs = [] for conv in self.convs: c = torch.relu(conv(x)) c = c.max(dim=2).values # 全局最大池化 conv_outputs.append(c) x = torch.cat(conv_outputs, dim=1) x = self.dropout(x) return self.fc(x)

TextCNN的思路是用不同大小的卷积核并行扫描文本，有的卷积核关注连续两三个词的短语，有的一下子看连续四五个词的片段，然后取最大值代表这个特征在整个句子中最强的响应。这种结构天然适合情感分类，因为一句“太棒了”和一个“让人失望”，其关键短语非常显眼。

BiLSTM也可以做，但训练时间明显更长，调参难度更大，如果样本量不够，效果未必比TextCNN好。BERT则建议直接用现成的中文预训练模型做微调，别考虑自己训练，那个成本普通学生承受不住。

4.2 训练参数怎么设置，踩坑记录

训练阶段最容易出问题的不是模型结构，而是参数。以TextCNN为例，下面是一组经过验证比较稳的初始参数：

embedding_dim = 128 batch_size = 64 learning_rate = 0.001 epochs = 20 max_len = 200

几个重点解释一下。文本定长：模型输入要求是固定长度，通常用tokenizer把文本转成序列后，超过200个词就截断，不足200就补0。学习率：0.001是Adam优化器比较常用的起点，如果loss震荡不下降，可以降到0.0005。Dropout：0.5是防止过拟合最常用的取值，尤其在训练数据不够大的时候，这个值不要随便调低。

训练时建议加入“早停”机制。也就是每个epoch之后看验证集loss，如果连续三个epoch没下降，就停止训练，用效果最好的那轮模型保存下来，而不是傻乎乎跑满20轮。下面这段训练循环骨架可以参考：

best_f1 = 0 for epoch in range(epochs): model.train() for batch_x, batch_y in train_loader: optimizer.zero_grad() output = model(batch_x) loss = criterion(output, batch_y) loss.backward() optimizer.step() val_f1 = evaluate(model, val_loader) if val_f1 > best_f1: best_f1 = val_f1 torch.save(model.state_dict(), "best_model.pth") else: early_stop_count += 1 if early_stop_count >= 3: break

很多学生喜欢盯着训练loss看，一看loss降低就高兴。但训练loss降低不代表模型泛化能力强，更关键的是验证集上的表现。你在调参时要有意识地“以验证集F1为核心指标”，别被训练曲线骗了。

4.3 评估模型不能只看准确率

情感分类是三分类任务，如果只报告准确率，很容易被答辩老师追问。因为当类别不均衡时，准确率会失真。举个例子，如果测试集里80%都是中性文本，模型全输出中性也能拿到80%准确率，但这有什么意义呢？

正确做法是输出分类报告，同时展示混淆矩阵。下面这段代码能帮你快速看清每个类别的表现：

from sklearn.metrics import classification_report, confusion_matrix import seaborn as sns import matplotlib.pyplot as plt y_true = ... y_pred = model_predict(...) print(classification_report(y_true, y_pred, target_names=["积极", "中性", "消极"])) cm = confusion_matrix(y_true, y_pred) sns.heatmap(cm, annot=True, fmt="d", cmap="Blues") plt.show()

分类报告里的precision、recall、f1-score三项都要看。新闻情感分类中，“消极”类别的召回率往往偏低，因为很多消极新闻的表达比较隐晦，模型容易误判成中性。如果发现这种情况，可以考虑增加消极类别的权重，或补充更多消极样本。

5. 新闻可视化与前后端联调

5.1 图表怎么选，才能让页面不空洞

新闻可视化最容易犯的错误是想把所有图表都堆在页面上，结果看起来像在展示图表库。真正好用的大屏或后台页面，图表选择要服务于“你想让看页面的人快速理解什么问题”。

我建议至少包含四类图表：

• 情感分布饼图：展示当前样本集中积极、中性、消极各占多少比例，一眼看到整体态势。
• 时间趋势折线图：按天或按周展示正面新闻和负面新闻的数量变化。这一张图最有“舆情监控”的直观感。
• 关键词词云：把新闻数据中的高频词展示出来，尤其能突出与情感相关的热词。
• 新闻来源或栏目分布柱状图：如果数据包含来源信息，这个图能补全数据维度。

这几种图表组合起来，用户既能看整体分布，又能看时间变化，还能看具体热点关键词，信息层次就非常立体了。

5.2 Flask后端如何加载模型并封装接口

模型训练好之后，要让它能为前端服务，就得封装成接口。Flask是非常合适的工具。核心思路是：启动Flask服务时加载一次模型和词典，后续用户请求直接调用加载好的模型进行预测，不需要重复加载。

一个典型的关键接口长这样：

from flask import Flask, request, jsonify import torch from transformers import BertTokenizer from model import TextCNN import jieba app = Flask(__name__) model = TextCNN(...) model.load_state_dict(torch.load("best_model.pth", map_location="cpu")) model.eval() tokenizer = BertTokenizer.from_pretrained("bert-base-chinese") @app.route("/predict", methods=["POST"]) def predict(): data = request.get_json() text = data.get("text", "") # 清洗和分词 words = jieba.lcut(text) ids = tokenizer.encode(" ".join(words), max_length=200, truncation=True) tensor = torch.tensor([ids]) with torch.no_grad(): logits = model(tensor) pred = torch.argmax(logits, dim=-1).item() return jsonify({"sentiment": ["积极", "中性", "消极"][pred]}) if __name__ == "__main__": app.run(debug=False, port=5000)

这里有个很现实的问题：如果用的是TextCNN，而你的特征构建用的是jieba加自己构建的词表，那BERT的tokenizer就不能随便拿过来用。实际项目要保持“训练时的预处理流程”和“上线预测时的预处理流程”完全一致，很多学生模型训练没问题，部署时却忘记把停用词表和处理函数原样带上，结果接口预测效果和离线测试差一大截。我在实际项目中就遇到过，最后排查半天发现是预测时的文本清洗少了一步全角转半角。

5.3 前端页面怎么拼接起来

前端页面不需要做得很花哨，但要保证干净、能用、交互清晰。推荐用最简单的方式：一个HTML页面，顶部放新闻文本输入框和“情感分析”按钮，中间放单条预测结果展示区，下方放统计图表区域。

单条预测的交互用原生JavaScript的fetch即可：

async function analyze() { const text = document.getElementById("newsInput").value; const response = await fetch("/predict", { method: "POST", headers: {"Content-Type": "application/json"}, body: JSON.stringify({text: text}) }); const result = await response.json(); document.getElementById("result").innerHTML = "情感倾向：" + result.sentiment; }

这个页面不需要引入任何重型前端框架，ECharts的JS文件用CDN引入即可。如果你想把画面做得更有“大数据平台”的味道，可以加一张深色背景的仪表盘风格页面，网上类似的ECharts模板很多，改一改就能用。

前端和后端联调时，最容易出错的是跨域问题和接口地址字符串拼错。用Flask时，在开发阶段把跨域支持加上，可以省很多麻烦。最简单的方式是安装flask-cors，初始化时默认允许所有来源即可。还有一个建议是，接口规划好之后先写一个最简单的假数据接口，前端先把页面画出来，等模型接口就绪后再替换，这样可以并行开发，节约时间。

6. 配套文档、PPT和讲解：毕业设计答辩的隐形分数

6.1 论文（LW）文档怎么写才不单薄

很多人把这个项目简称为LW，其实指的就是毕业设计论文文档。“LW文档”不是让你贴一堆代码然后交差，它是一份完整的系统开发文档。结构可以按照下面这条线走：

• 摘要：用200到300字说清楚系统是什么、用到了什么技术、达到了什么效果。
• 绪论：写背景和意义，说明为什么新闻情感分析有价值，比如舆情监控、媒体效果评估等。
• 相关技术介绍：介绍Python、深度学习、TextCNN/BiLSTM/BERT、Flask、ECharts。
• 需求分析：列出功能需求和非功能需求，比如系统需要支持单条文本预测、批量统计、图表展示。
• 系统设计与实现：画系统架构图、功能模块图，逐模块描述实现思路。
• 系统测试：对每个功能模块写测试用例，记录测试结果，附上模型评估指标。
• 总结与展望：总结做得好的地方，客观说不足，比如数据量有限、模型泛化能力有待提升。

写文档时一个最中肯的建议：多画图，少贴代码。系统架构图、数据库设计图（如果涉及存储）、流程图、页面原型图，这些图对答辩评委理清你的思路非常有帮助。哪怕你的图和代码不完全一致，也比大段代码占版面强得多。

6.2 PPT怎么做才不像在念文档

答辩PPT一般10到15页，时间控制在10到15分钟。核心原则是：别把整个系统从头到脚讲一遍，重点突出你解决了什么问题、用了什么方案、最终效果如何。

我建议的PPT结构是这样：

• 第1页：题目和基本信息。
• 第2页：背景与意义，一两句话带过，别写大段空话。
• 第3页：技术栈总览，放一张技术架构图。
• 第4页至第5页：数据获取与处理，展示数据样例和数据量。
• 第6页至第8页：模型设计与训练，放模型结构图和效果指标。
• 第9页至第11页：系统功能演示截图，至少放三张不同页面的截图。
• 第12页：测试结果与结论。
• 第13页：问题和不足。

讲的时候，节奏上先讲“系统能做什么”，再讲“我是怎么一步步做出来的”，最后讲“效果怎么样”。很多学生一上来就讲原理，把架构图和公式堆在屏幕上，评委听着听着就走神了。记住：答辩是让评委相信我真的做了这个项目，而不是展示你的知识量大爆炸。

6.3 讲解演示时最容易翻车的地方

演示环节翻车率最高的几件事，提前规避掉，基本就稳了：

第一，现场别训练模型。有些学生想在演示时展示“训练模型给别人看”，但训练时间不可控，一旦损失函数不收敛或者GPU资源被占用，整个答辩节奏就崩了。演示前把模型加载好，页面服务提前启动，鼠标点一下能出结果就行。

第二，准备几条不同情感倾向的测试文本。积极、消极、中性各准备至少两条，放在文档里复制粘贴。测试文本不要太长，一两句话最好，模型不会因截断而丢失信息。切记别现场临时头脑风暴随意输入，万一预测错了，场面会很尴尬。

第三，遇到预测错误不要慌。如果现场输入一段话，模型判错了，这时别急着说自己系统有问题。你可以很自然地说：“这条新闻表述比较隐晦，属于复杂边界case，当前模型对这类样本的置信度不高，这也是我论文里提到的后续优化方向。”几句话就能化解。

7. 实测中的常见问题与避坑指南

7.1 中文乱码与编码问题

中文文本处理乱码，是最常见也最让人头疼的问题。现象通常是：训练时控制台输出正常数据，但保存到CSV或前端页面返回时出现一堆“锟斤拷”。

根本原因就是编码不一致。处理原则非常简单：

• 代码文件统一用UTF-8保存，Python文件开头不要用特殊编码声明，默认UTF-8就行。
• 用Pandas读取CSV时，如果发现中文乱码，加上encoding="utf-8"再试。
• 如果想用Excel打开导出的CSV不乱码，保存时用encoding="utf-8-sig"，这会给文件加上BOM头，Excel能正确识别。

踩过坑之后你会发现，这个问题的排查时间有时候比写代码时间还长。所以从一开始就统一编码，别装完环境再做。

7.2 训练太慢或显存溢出怎么办

训练时最常见的两个报错：一个是CUDA out of memory，一个是CPU训练慢到怀疑人生。前者可以调整batch size，比如从64降到16；也可以把输入文本的最大长度从300截短到200，显存压力会明显下降；还可以把embedding_dim从128降到64。后者就比较麻烦了，如果你的机器没有独立显卡，CPU训练TextCNN跑几万条数据也要几个小时。

一个很实用的办法是先用小数据集验证代码能跑通，比如只取2000条数据做一轮最小训练。等确认完整流程没问题，再扩大数据量。如果确实没有本地GPU，可以使用免费的在线Notebook环境训练，很多同学靠这种方式完成模型训练，效果也不错。但要注意，免费环境有时网络不稳定，一定要随时保存模型权重。

7.3 情感分类结果差，从哪里排查

模型训练完，测试F1老是徘徊在0.6以下，这种情况我见得很多。排查顺序建议按下面几步来：

• 先看训练集的准确率是多少。如果训练集上模型都学不进去，说明特征或模型结构有问题，可能是文本token化后丢失了关键信息，或者数据标签噪声太大。
• 再看验证集和训练集的差距。如果训练集准确率很高，验证集很低，典型过拟合，减少模型层数、增加Dropout、缩小embedding_dim。
• 看混淆矩阵。如果预测结果大量集中在中性类，大概率是样本不均衡，需要调整类别权重。
• 检查清洗和停用词过滤规则。有的学生把“不”“没有”加进了停用词，情感极性直接被反转，这种错误特别隐蔽。
• 最后看训练数据标签质量。人工抽样100条，自己判断标签和文本是否匹配。如果错误标签比例超过10%，模型效果就会受很大影响，要想办法修正。

这个表基本覆盖了我带学生做同类项目时80%的问题场景，也是答辩时评委比较喜欢问的技术细节。能在答辩前主动把这些问题的原因和解决方案说清楚，会让整个项目的可信度提升不少。

最后再聊点个人实际感受。这个项目做完，学生收获最大的往往不是最终的模型准确率，而是把一条数据链路完整走通的经验。数据清洗、文本分词、模型训练、接口封装、页面展示，每个环节单独拿出来都谈不上多么高深，但串在一起能跑通，就是工程能力的体现。带了几届学生之后我发现，答辩时最终分数高的，通常不是模型最花哨的那个，而是“数据、模型、可视化都能讲清楚”的那个。毕竟毕业设计考察的是综合能力，而不仅仅是跑一个网上的开源模型。如果你正打算做类似的新闻情感分析系统，我的建议很简单：先把一条最简单的链路跑通，再谈优化。路要一步一步走，这个项目虽然叫“预测系统”，但真正拉开差距的，往往在数据准备和工程细节里。