基于大语言模型的食堂语音反馈分析系统-完整源码论文毕设项目

========【重要提示：主页置顶文章找我咨询】=======

博主介绍：👉全网个人号和企业号粉丝40W+,每年辅导几千名大学生较好的完成毕业设计，不断的进行新技术的项目实战👈

可定制，需求的各位可以先收藏起来

1. 项目概述

1.1 项目名称

基于大语言模型的食堂语音反馈分析系统

1.2 项目背景

高校食堂通常通过纸质意见箱、即时聊天工具或分散表单收集学生反馈，这类方式存在录入效率低、反馈内容不规整、问题定位慢、商铺归档不直观等问题。本项目围绕“语音输入 + 自动分析 + 商铺级展示”构建一个可演示、可运行的毕业设计系统。

1.3 项目目标

• 支持用户通过浏览器录入食堂反馈语音。

• 自动完成语音转文字、文本清洗和结构化语义分析。

• 将分析结果归档到对应商铺卡片。

• 展示商铺评分、问题类别、情感分布与趋势变化图。

• 支持商铺分析报告导出。

2. 系统功能

2.1 反馈输入

• 支持浏览器麦克风录音。

• 点击开始录音时，会先清空上一轮识别文本与总览分析结果，避免旧数据残留。

• 录音结束后上传音频并提交转写任务。

• 转写完成后在输入框中展示识别文本。

• 支持用户手动修正识别文本后再提交分析。

2.2 文本处理与智能分析

• 去除口语赘词与重复片段。

• 统一食堂楼层表述、空格与重复片段等基础文本形式。

• 基于大语言模型直接从系统内已知店铺清单中完成商铺匹配，并输出情感分析、问题归类、关键摘要、紧急度和问题权重。

• 当前提示词已增强对英文别名、近音、空格拆分、拼写误差和同义表达的容错能力。

• 当模型不可用、额度不足或输出异常时，使用规则兜底返回基础分析结果；兜底结果优先保证情感、问题类别和摘要可用。

2.3 总览分析区

• 展示目标商铺。

• 展示情感倾向。

• 展示主要问题类别。

• 展示紧急程度。

• 展示综合评分。

• 展示系统摘要、情感分值和问题权重。

2.4 商铺分析展示区

• 以商铺卡片形式展示商铺名称、综合评分、情感状态、高频问题、最新摘要、反馈总数、今日反馈数和本周反馈数。

• 点击卡片可切换右侧图表联动。

• 支持商铺报告下载。

• 支持通过弹窗查看当前商铺的趋势图与问题类别占比图。

• 弹窗图表在每次打开时重新初始化，确保多次打开后仍能正常显示。

2.5 图表与报告区

• 商铺评分对比图。

• 问题类别占比图。

• 情感分布图。

• 商铺趋势变化图。

• 下载当前选中商铺报告。

• 右侧图表区支持随页面布局自适应拉伸，减少图表底部无效留白。

• =======【重要提示：主页置顶文章找我咨询】=========

3. 技术架构

3.1 前端

• Vue 3

• Vite

• Pinia

• Vue Router

• Element Plus

• ECharts

• Axios

3.2 后端

• FastAPI

• SQLAlchemy

• SQLite

• Pydantic Settings

• Uvicorn

• ReportLab

3.3 模型与服务

• 阿里云 DashScope 长音频转写接口

• 通义千问兼容 OpenAI 协议接口

• 已知店铺清单驱动的大语言模型商铺匹配

• 本地规则兜底分析

3.4 系统结构

系统采用前后端分离架构：

• 前端负责录音、页面交互、状态展示、图表渲染和报告下载。

• 后端负责音频接收、语音转写任务提交与轮询、文本清洗、智能分析、评分计算、数据入库和报告生成。

4. 目录结构

MealFeedbackAnalytics/
├─ backend/
│ ├─ app/
│ │ ├─ api/
│ │ ├─ core/
│ │ ├─ db/
│ │ ├─ models/
│ │ ├─ schemas/
│ │ ├─ services/
│ │ └─ utils/
│ ├─ data/
│ │ └─ seeds/
│ ├─ reports/
│ ├─ storage/
│ │ └─ audio/
│ ├─ main.py
│ ├─ pyproject.toml
│ └─ requirements.txt
├─ frontend/
│ ├─ src/
│ │ ├─ api/
│ │ ├─ components/
│ │ ├─ router/
│ │ ├─ stores/
│ │ ├─ styles/
│ │ └─ views/
│ ├─ index.html
│ ├─ package.json
│ └─ vite.config.ts
└─ docs/
  ├─ 需求文档.txt
  ├─ 开发方案设计文档.md
  ├─ 开发步骤文档.md
  └─ 项目说明文档.md

5. 核心业务流程

6. 数据存储说明

系统使用 SQLite 进行本地持久化，主要包含以下数据实体：

• 商铺表：存储商铺名称、分类、别名、当前评分、反馈数量等。

• 反馈表：存储音频路径、原始文本、清洗文本、语言和创建时间。

• 分析结果表：存储商铺分类、情感分值、问题分类、问题权重、摘要、紧急度和总评分。

• 商铺统计表：存储商铺情感分布、问题分布和趋势点数据。

• 评分历史表：存储商铺评分变化记录。

项目首次启动时会自动初始化数据库并导入种子商铺与样例反馈。

7. 接口说明

后端统一前缀为 http://127.0.0.1:8000/api/v1。

7.1 系统接口

• GET /system 用途：系统健康检查。

7.2 语音转写接口

• POST /asr/upload-and-submit 用途：上传音频并提交长音频转写任务。

• GET /asr/tasks/{task_id} 用途：查询转写任务状态与识别结果。

• POST /asr/tasks/submit 用途：手动提交转写任务。

7.3 文本分析接口

• POST /feedback/analyze 用途：提交文本分析请求，返回商铺、情感、问题类别、权重、摘要和评分结果。

7.4 商铺接口

• GET /shops 用途：获取商铺卡片列表数据。

• GET /shops/{shop_id} 用途：获取单个商铺的详细图表数据。

7.5 图表汇总接口

• GET /dashboard/summary 用途：获取首页图表与聚合统计数据。

7.6 报告接口

• GET /report/shops/{shop_id} 用途：下载指定商铺 PDF 报告。

8. 运行环境

8.1 后端环境

• Python 3.12 及以上

• 建议使用 uv

• 操作系统：Windows / WSL / Linux 均可

8.2 前端环境

• Node.js 18 及以上

• npm

9. 环境变量配置

后端通过 backend/.env 读取配置，至少需要以下变量：

OSS_BUCKET_NAME=你的 OSS Bucket 名称
OSS_ACCESS_KEY_ID=你的 OSS AccessKey ID
OSS_ACCESS_KEY_SECRET=你的 OSS AccessKey Secret
DASHSCOPE_API_KEY=你的 DashScope API Key

9.1 OSS 相关变量如何申请

本项目的音频文件会先上传到阿里云对象存储 OSS，再由阿里云长音频转写服务读取，因此需要先准备一个 OSS Bucket 和对应访问凭据。

第一步：注册并登录阿里云账号

• 打开阿里云官网并完成账号注册。

• 登录后进入控制台。

第二步：开通 OSS 服务

• 在控制台搜索 对象存储 OSS。

• 首次进入时按页面提示开通 OSS 服务。

第三步：创建 Bucket

• 进入 OSS 控制台后，点击“创建 Bucket”。

• Bucket 名称 需要全局唯一，这个值就是后面要填写的 OSS_BUCKET_NAME。

• 地域 建议选择与语音转写服务一致或较近的地域，减少上传与读取延迟。

• 存储类型 选择标准存储即可。

• 读写权限 建议选择“私有”，不要直接公开音频文件。

创建完成后，你会得到一个 Bucket 名称，例如：

OSS_BUCKET_NAME=meal-feedback-audio-demo

第四步：创建 AccessKey

• 在阿里云控制台右上角头像菜单中进入 AccessKey 管理。

• 创建一组新的 AccessKey。

• 系统会给出：

  • AccessKey ID

  • AccessKey Secret

这两个值分别填写到：

OSS_ACCESS_KEY_ID=你的 AccessKey ID
OSS_ACCESS_KEY_SECRET=你的 AccessKey Secret

注意事项：

• AccessKey Secret 只在创建时完整展示一次，必须当场保存。

• 不要把这两个值提交到 Git 仓库，也不要截图发给别人。

• 建议专门为本项目创建一组最小权限的访问凭据。

9.2 DASHSCOPE_API_KEY 如何申请

本项目使用阿里云百炼平台 DashScope 的两个能力：

• 长音频语音转写

• 通义千问大语言模型分析

因此 DASHSCOPE_API_KEY 是整个系统最关键的一个配置项。

第一步：进入 DashScope / 阿里云百炼平台

• 登录阿里云账号后，进入百炼或 DashScope 控制台。

• 确认已经开通相关模型与 API 服务。

第二步：创建 API Key

• 在控制台中找到 API Key 管理 或 密钥管理。

• 创建新的 API Key。

• 创建完成后复制该密钥，这个值就是：

DASHSCOPE_API_KEY=你的 DashScope API Key

第三步：确认账号已开通所需能力

至少需要确认两类能力可用：

• 音频转写能力

• 通义千问文本模型能力

如果没有开通，对应接口调用时会报权限不足、额度不足或服务未授权。

补充说明：

• 如果 DashScope 控制台开启了“仅使用免费额度”模式，且免费额度耗尽，模型分析接口可能返回 403 Forbidden。

• 出现该情况时，语音转写仍可能正常，但文本分析会退回规则兜底结果。

• 若需要持续使用大语言模型完成店铺匹配与分析，需要在控制台确认模型服务可用状态与额度设置。

9.3 .env 文件应该怎么写

在 backend/ 目录下创建 .env 文件，填写你自己申请到的真实值，例如：

OSS_BUCKET_NAME=meal-feedback-audio-demo
OSS_ACCESS_KEY_ID=你的真实AccessKeyID
OSS_ACCESS_KEY_SECRET=你的真实AccessKeySecret
DASHSCOPE_API_KEY=你的真实DashScopeApiKey

说明：

• DASHSCOPE_API_KEY 同时用于阿里云长音频转写和通义千问分析接口。

• 仓库中的 .env.example 只应作为字段参考，实际部署时应替换为你自己的有效凭据。

• 前端默认请求地址为 http://127.0.0.1:8000/api/v1，如需修改，可通过 VITE_API_BASE_URL 覆盖。

资料获取

========【重要提示：主页置顶文章找我】========