review-salience-xlsx

Review Salience → PCA → K-means

Overview

把每篇評論對各項屬性的提及程度評為 0–7 分，依需求交付 Excel 矩陣、PCA 主成分分析或 K-means 分群。PCA 用來整理常一起被提及的屬性，分群則依這些提及模式整理評論。

三個階段可分別執行。只要評分就完成評分，只要分析既有矩陣就先檢查矩陣，不重做已完成的階段。

Input Contract

確認本次需要評分、Excel、PCA、分群中的哪些成果，並取得對應資料：

• 評分：各產品的完整評論，以及有順序的屬性目錄。
• PCA：已檢查的評論 × 屬性分數矩陣。
• 分群：PCA 產生的每篇評論座標，及可對照的評論識別資料。解讀群體時另需原始評分矩陣。

屬性目錄使用固定的 id 與 label，例如 01、耐用度。沒有目錄時先閱讀評論整理項目，評分開始後不增刪或重排。

每列保留 review_id、product、完整 review_text，評分欄依目錄排列為 s01、s02 等。沒有既有識別碼時，可按產品及原始順序建立穩定編號。每篇評論是一筆分析單位，不預設每篇都來自不同顧客。

Data Sufficiency Gate

• 保留所有非空白評論，不因字數少或語言不同而排除。空白列另計數，無法解讀的內容應標示待確認，不用 0 分代替評分失敗。
• 分數必須是 0–7 的整數，每篇的分數數量及順序都要與目錄一致。小數、布林值、缺值或缺列必須處理完才能進入統計。
• PCA 沒有足夠樣本或可變動的屬性時，保留評分成果並說明不能分析的原因。
• 無法形成符合條件的多個群體時，回報未形成有效分群。保留每篇的結果，不把強制停止寫成成功分群。

Workflow

1. 匯入完整評論

列出各產品的原始、空白及保留篇數，保留評論原文和來源順序。CSV 可使用 scoring_io.py 的 load_reviews。檔案格式或文字欄不明確時，先確認實際欄位，避免讀錯內容。

2. 固定目錄，逐篇評分

依完整語意判讀每個屬性，不以關鍵字出現次數代替閱讀。正面、負面或中立的內容都可能被明確提及。

分數	提及程度
0	完全沒有提到
1–3	略微或間接提到
4	清楚提到，但著墨有限
5–6	明確討論
7	是評論的主要關注點，或有充分強調

假設評論寫「拉鍊非常好拉」或「拉鍊完全拉不動」，兩者都可能高度提及拉鍊。分數衡量的是提及程度，不能據此判定滿意或不滿意。

評分器的輸入是評論原文與固定屬性目錄，輸出是依目錄順序排列的整數串列。可由目前的 agent 閱讀評分，或使用外部評分器，兩者遵守相同檢查。批次工作分段保存進度，重跑時依識別碼確認已完成哪些評論。

外部 API 或 CSV 交接時，讀外部評分器。需要校準判讀時，讀評分與分析案例，只參考有原文支持的判讀，不把案例群數當成本次答案。

3. 交付需要的矩陣

需要 .xlsx 時才載入當前可用的試算表技能，並依 Excel 格式建立「評論 × 屬性」及「產品平均提及程度」兩張工作表。

產品平均包含該產品所有已評分評論，沒有提到的 0 分也計入。平均值描述整批評論的提及程度，不是品質分數。

4. PCA（需要時）

依 PCA 與 K-means使用 salience_analysis.py。先標準化可分析的屬性，再以特徵值大於 1 作為主成分保留依據。記錄排除的固定值屬性、保留數、解釋變異及限制。

主成分依正負負荷量所對應的屬性命名。其正負號不能當成好壞評價。保存每篇評論的主成分座標，供需要的分群階段使用。

5. K-means（需要時）

以主成分座標分群，在樣本數與不同座標數允許的範圍內比較群數。依統計指標及可解釋性選擇起始群數，記錄理由。

沿用小群低於全樣本 5% 時的逐次排除與重訓流程。完成後用最終模型重新指派全部評論，檢查最終群體大小，每篇都要有對應結果。只剩一群時，明確回報無法形成多群。

以主成分位置、原始屬性平均及產品分布描述各群「談論什麼」。要談滿意度、購買動機或人物特徵，必須另有原文或資料支持。

Output Contract

只交付本次要求的階段成果：

• 評分：完整原文、識別碼、固定目錄、逐篇分數及產品篇數。
• Excel：完整矩陣與產品平均，欄位順序與評分資料一致。
• PCA：主成分數、負荷量、解釋變異、每篇座標及未能分析的原因。
• 分群：每篇歸屬、群體大小、各群提及模式、重訓紀錄及完成狀態。

使用當前環境的檔案連結或交付工具提供成果。只有檔案含公式時才需要重算與檢查公式結果。需要 Word 時再載入文件技能，不為單純評分或統計額外產生 Word。

Quality Rules

• 原文與評分分開保存，不能為了版面截斷唯一的原始資料。
• 所有語言使用相同評分定義。短評論可以有高分，長評論也可能沒提到某個屬性。
• 全部評論的順序與識別碼在評分、PCA、分群間保持一致，沒有遺失、重複或錯配。
• 統計結果只能支持提及模式的描述，不能把高分、高主成分座標或特定群體當成高滿意度。
• 確認完成狀態、實際分析篇數與最終群體大小，不以程式正常結束代替驗收。