Justin

Command Palette

Search for a command to run...

返回作品典藏庫
原型2026ai-data

Amazon Review Intelligence

以評論資料驅動的商品搜尋、推薦與分析資料產品。

Amazon Review Intelligence 結合 Amazon Reviews 2023、BM25、vector search、reranker、review summarization、sentiment / aspect mining、similar product search、recommendation API 與 dashboard，展示真實 AI product 會需要的搜尋、推薦、NLP、API、前端與評估能力。

網站 Demo查看 GitHubDemo 錄影README

已驗證 Demo 錄影 1

由 portfolio quality pass 從既有專案 demo 素材複製。

12 張截圖1 支 Demo 影片

媒體總覽

快速瀏覽這個專案的截圖與錄影展示。

專案連結與 Demo 狀態

live

網站 Demo

有已驗證 Live Demo 時直接開啟；尚未部署時，使用本頁的執行指南準備手動展示。

github

查看 GitHub

有公開 repository 時直接開啟；尚未確認時，使用本頁原始碼狀態追蹤後續補齊。

video

Demo 錄影

有 Demo 錄影時直接開啟；尚未錄影時，使用本段作為錄影檢查清單。

documentation

README

有 README 時直接開啟；尚未補齊時，使用本案例頁作為文件基準。

專案概覽

Amazon Review Intelligence 是一個以評論為核心的商品搜尋與推薦資料產品。它結合 Amazon Reviews 2023 category subset、BM25、vector search、reranker、review summarization、sentiment / aspect mining、similar product search 與 recommendation API，目標是展示真實 AI product 會需要的搜尋、推薦、NLP、API、dashboard 與評估能力。 這個專案把評論資料整理成可查詢、可比較、可評估的產品體驗。後端以 Python、DuckDB 與 FastAPI 組成資料與 API 層，前端以 Next.js 呈現商品搜尋、評論摘要、推薦、比較、embedding cluster、pipeline 與 evaluation 頁面。專案同時保留 pytest 與 Playwright 驗證，讓資料處理、API contract 與主要前端流程可以被重跑檢查。 作品集卡片要呈現的重點是：這不是單純的 dashboard，而是一個從 ingestion、indexing、retrieval、recommendation、evaluation 到操作介面的完整資料產品練習。

我的角色

獨立開發者

問題背景

Amazon 商品頁有大量評論，但使用者很難快速理解商品優缺點、評論情緒與相似商品關係；單靠平均星等也不足以支援搜尋、比較與推薦決策。

解決方案

建立一個以評論為核心的資料產品：用 DuckDB 管理商品與評論資料，FastAPI 提供搜尋與推薦 API，並用 Next.js 儀表板呈現 hybrid search、商品摘要、情緒分析、推薦結果與模型評估。

作品亮點

  • **Hybrid Search** — BM25 lexical + sentence-transformer vector search with configurable alpha blending
  • **Review Intelligence** — per-product summaries, pros/cons extraction, sentiment distribution
  • **Recommendation** — popularity, content-based, item-item, and cold-start strategies
  • **REST API** — FastAPI with 8 endpoints, OpenAPI docs at `/docs`

技術挑戰

  • 在 BM25 與 sentence-transformer 向量搜尋之間設計可調權重，讓關鍵字精準度與語意召回能同時被觀察。
  • 在不能重新散布原始 Amazon review dump 的限制下，只公開程式、文件、合成樣本與聚合指標。

目標使用者

  • 作品集審閱者與面試官
  • 需要快速理解專案目的、技術棧與成熟度的技術讀者

技術亮點

  • 偵測到的主要技術線索：Python, FastAPI, Next.js, TypeScript, DuckDB, BM25, Sentence Transformers, scikit-learn, Playwright
  • 已有 README 作為後續補齊案例研究的依據
  • 已連接公開 GitHub repository，可從作品集追溯原始碼

系統架構

此專案目前由 portfolio catalog pipeline 依 README、Git metadata、package/build 設定與素材線索建立案例頁。正式架構說明仍需依實際 source code 補齊；目前可確認的技術線索包含：Python, FastAPI, Next.js, TypeScript, DuckDB, BM25, Sentence Transformers, scikit-learn, Playwright。

資料流程

目前尚未完成可公開的資料流程說明。若此專案含資料處理、AI pipeline 或後端 API，後續應補上 input、processing、storage、UI/output 的端到端流程。

專案結構

amazon-review-intelligence/
  README.md              # project documentation, when available
  source files           # implementation reviewed by local audit
  package/build config   # detected capability signals

安裝與執行

This project does not expose a verified runnable web command yet. Review the README/source tree and add exact install, run, test, and build commands before interview use.
No verified build command was detected. Treat the current portfolio page as a case-study placeholder until build steps are reviewed.

後續改進

  • 補齊正式 README、截圖與 demo recording
  • 補上架構圖、資料流程與關鍵技術決策
  • 確認 build/test 狀態並更新 portfolio release report

面試說明重點

  • 先說明此專案目前的成熟度與可展示範圍
  • 聚焦在可驗證的技術棧、程式結構與已完成部分
  • 不要宣稱尚未部署、尚未錄影或尚未測試的能力已完成

後續規劃

  • 補上公開 Demo 連結與更完整的 walkthrough 影片。

相關作品