# tmf

**Repository Path**: b_crew/tmf

## Basic Information

- **Project Name**: tmf
- **Description**: 投满分
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-06-28
- **Last Updated**: 2026-07-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🤖 TMF 文本分类系统 (合并版)

**TMF**（Tencent Multi-Field）中文文本分类系统，整合四种不同算法方案，支持在网页中一键切换。

## 🚀 快速开始

```bash
# 1. 安装依赖
pip install -r requirements.txt

# 2. 启动 Streamlit 前端 (推荐)
streamlit run front/tmf_app.py

# 3. 或启动 Flask API
python wsgi.py
```

## 📂 四种分类引擎

| 版本 | 算法 | 特点 | 是否需要 GPU |
|------|------|------|-------------|
| **V1** | TF-IDF + Random Forest | 经典机器学习，模型 ~872MB | ❌ |
| **V2** | FastText | 轻量深度学习，模型仅 ~47MB | ❌ |
| **V3** | BERT Fine-Tuning | 准确率最高，基于 bert-base-chinese | ✅ 推荐 |
| **V4** | LLM Few-Shot | 通过 API 调用大模型，无需本地模型 | ❌ (需网络) |

## 🌐 API 端点

### 单条预测

```bash
# POST JSON
curl -X POST http://127.0.0.1:5050/api/v1/predict \
  -H "Content-Type: application/json" \
  -d '{"text": "今日股市大涨，沪指突破3500点", "version": "v1"}'

# GET query string
curl "http://127.0.0.1:5050/api/v1/predict?text=今日股市大涨&version=v2"
```

### 版本列表

```bash
curl http://127.0.0.1:5050/api/v1/versions
```

## 📁 项目结构

```
tmf/
├── app/                    # Flask API
│   ├── __init__.py         # 应用工厂
│   ├── config.py           # Flask 配置
│   └── v1/predict.py       # /api/v1/predict 端点
├── src/                    # ML 源码
│   ├── common/             # 共享模块 (config, data_pre)
│   ├── v1/                 # TF-IDF + RandomForest
│   ├── v2/                 # FastText
│   ├── v3/                 # BERT Fine-Tuning
│   └── v4/                 # LLM API 客户端
├── front/
│   └── tmf_app.py          # Streamlit 统一前端
├── data/                   # 共享数据集
├── models/                 # 模型文件目录
├── tests/                  # 测试
├── wsgi.py                 # WSGI 入口
└── requirements.txt        # 依赖清单
```

## ⚙️ V4 配置 (LLM)

复制 `.env.example` 为 `.env` 并填写 API 密钥：

```bash
cp .env.example .env
# 编辑 .env 中的 LLM_API_KEY 等配置
```

支持所有 OpenAI 兼容接口（OpenAI / DeepSeek / Qwen / GLM 等）。