餐厅评论交叉验证

整合小红书与大众点评的餐厅数据，提供经双方平台交叉验证的推荐结果。

快速开始

按地理位置和菜系类型查询餐厅：

# 基础查询
crosscheck-restaurants "上海静安区" "日式料理"

# 带筛选条件的查询
crosscheck-restaurants "北京朝阳区" "火锅" --min-rating 4.5 --min-reviews 100

工作流程

1. 数据采集

同步从两个平台抓取数据：

大众点评：

• 检索匹配指定位置与菜系的餐厅
• 提取字段：名称、评分、评价数、价格区间、地址、标签

小红书：

• 搜索匹配指定位置与菜系的笔记/帖子
• 提取字段：餐厅名称、互动指标（点赞数/收藏数）、情感得分
• 注意：小红书无公开 API，需通过网页抓取获取数据

2. 数据匹配

使用模糊匹配算法对齐两个平台的餐厅记录：

• 餐厅名称相似度（基于 Levenshtein 距离）
• 地理位置邻近度（地址匹配）
• 兼容名称变体（例如：“银座寿司” vs “银座寿司静安店”）

匹配逻辑详见 scripts/match_restaurants.py。

3. 一致性分析

基于以下维度计算一致性得分（0–1）：

• 评分相关性（0–1）：两平台评分之间的皮尔逊相关系数
• 互动验证度（0–1）：高评分是否伴随高互动量？
• 情感一致性（0–1）：用户在两个平台表达的情感倾向是否一致？

计算公式：consistency_score = (rating_corr * 0.5) + (engagement_val * 0.3) + (sentiment_align * 0.2)

4. 推荐得分

综合计算最终推荐得分：

recommendation_score = (
    (dianping_rating * 0.4) +
    (xhs_engagement_normalized * 0.3) +
    (consistency_score * 0.3)
) * 10

输出范围为 0–10 分，其中 >8.0 表示高置信度推荐

输出格式

📍 [位置] [菜系类型] 餐厅推荐

1. [餐厅名称]
   🏆 推荐指数: X.X/10
   ⭐ 大众点评: X.X (Xk评价)
   💬 小红书: X.X⭐ (X笔记)
   📍 地址: [Address]
   💰 人均: ¥[Price]
   ✅ 一致性: [高/中/低] - [简要说明]
   
   📊 平台对比:
   - 大众点评标签: [Tags]
   - 小红书热词: [Keywords]
   
   ⚠️ 注意: [任何差异或警告信息]

[继续列出前 5–10 家餐厅...]

阈值配置

• 最低评分：4.0/5.0（可配置）
• 最低评价数：大众点评 ≥ 50 条，小红书 ≥ 20 篇笔记（可配置）
• 最大返回结果数：按推荐得分排序取前 10 家
• 高一致性：一致性得分 > 0.7
• 中一致性：一致性得分 0.5–0.7
• 低一致性：一致性得分 < 0.5（需人工复核）

API 与数据源

大众点评

• 接入方式：网页抓取（官方 API 需企业合作资质）
• 基础 URL：https://www.dianping.com
• 请求限频：最低间隔 2 秒/次
• 反爬策略：需使用住宅代理 IP，并轮换 User-Agent

具体实现见 scripts/fetch_dianping.py。

小红书

• 接入方式：网页抓取（无公开 API）
• 基础 URL：https://www.xiaohongshu.com
• 请求限频：最低间隔 3 秒/次
• 身份认证：需携带有效 Cookies 才能获取完整内容

具体实现见 scripts/fetch_xiaohongshu.py。

配置项

编辑 scripts/config.py 文件以设置参数：

DEFAULT_THRESHOLDS = {
    "min_rating": 4.0,
    "min_dianping_reviews": 50,
    "min_xhs_notes": 20,
    "max_results": 10
}

PROXY_CONFIG = {
    "use_proxy": True,
    "proxy_list": ["http://proxy1:port", "http://proxy2:port"]
}

错误处理

• 未找到匹配结果：建议扩大搜索关键词范围，或尝试周边区域
• 平台响应超时：启用指数退避重试机制，最多重试 3 次
• 检测到限流：暂停 60 秒并切换代理 IP
• 低置信度结果：对一致性得分 < 0.5 的结果打标，供人工复核

高级功能

情感分析

针对小红书笔记使用 NLP 技术提取以下维度：

• 关于菜品质量的提及
• 关于服务质量的提及
• 关于用餐氛围的提及
• 关于性价比/价格的提及

方法论详见 references/sentiment_analysis.md。

模糊匹配

支持多种餐厅名称变体的识别与归一化：

• 连锁门店（例如：“海底捞火锅” vs “海底捞静安店”）
• 缩写形式（例如：“鼎泰丰” vs “鼎泰丰上海店”）
• 中英文翻译差异

使用 thefuzz 库进行相似度打分。

依赖项

pip install requests beautifulsoup4 pandas numpy thefuzz selenium lxml

完整依赖列表见 scripts/requirements.txt。

故障排查

问题：小红书返回空结果

• 解决方案：检查 Cookies 是否过期，重新完成登录认证

问题：大众点评封禁请求

• 解决方案：降低请求频率，启用代理 IP 轮换

问题：跨平台匹配效果差

• 解决方案：调整 match_restaurants.py 中的相似度阈值

参考资料

• 数据结构文档
• 情感分析指南
• 各平台 API 限制说明