一、实验目的

本实验在实验7-1输出的 content_analysis 表基础上继续加工，主要完成两类特征构建任务。第一类是作品互动总数，即把点赞数、收藏数、分享数和投币数相加，形成一个综合互动指标；第二类是标题关键词特征，即判断作品标题中是否包含“保姆级”“零代码”“实战”“教程/指南”“踩坑”等关键词，并将判断结果转化为0或1字段。

实验完成后，需要将作品级别的特征结果更新回 content_analysis 表，同时新建关键词级别的汇总表 title_feature_analysis，用于后续在BI中分析不同标题关键词对互动效果的影响。实验手册中明确要求，本实验使用计算器组件、JavaScript代码组件、插入/更新组件、过滤记录、分组、增加常量和表输出等组件完成特征加工。

---

二、实验环境与核心组件

组件	用途
表输入	读取实验7-1生成的 content_analysis 表
JavaScript代码	从标题中提取关键词特征
计算器	计算互动总数
插入/更新	按 id 匹配，将特征字段回填到 content_analysis 表
过滤记录 + 分组	计算整体平均互动数和关键词平均互动数
增加常量	为每个关键词分支添加关键词名称
记录集连接	合并关键词平均值和整体平均值
合并记录	将多个关键词分支合并
表输出	输出 title_feature_analysis 表

---

三、作品级特征构建

步骤1：读取 content_analysis 表

首先，将实验7-1生成的 content_analysis 表作为输入数据。该表已经完成了平台筛选、无效记录删除和字段整理，因此可以直接用于特征构建。

---

步骤2：提取标题关键词特征

标题是影响用户点击和互动的重要因素。虽然本次班级自媒体作品的主题相对接近，但不同同学的标题写法不同，例如有的标题突出“保姆级”，有的强调“零代码”，有的突出“实战”或“教程”。因此，可以将标题中的关键词转化为结构化字段，方便后续量化分析。

本实验提取的标题特征如下：

字段名	返回值	判断条件
has_best	1 / 0	标题中包含“保姆级”为1，否则为0
has_lowcode	1 / 0	标题中包含“零代码”为1，否则为0
has_practice	1 / 0	标题中包含“实战”为1，否则为0
has_tutorial	1 / 0	标题中包含“教程”或“指南”为1，否则为0
has_pit	1 / 0	标题中包含“踩坑”为1，否则为0

JavaScript代码如下：

var title = title;  // 字段名直接作为变量使用

// 判断关键词
var has_best = title.indexOf("保姆级") !== -1 ? 1 : 0;
var has_lowcode = title.indexOf("零代码") !== -1 ? 1 : 0;
var has_practice = title.indexOf("实战") !== -1 ? 1 : 0;
var has_tutorial = (title.indexOf("教程") !== -1 || title.indexOf("指南") !== -1) ? 1 : 0;
var has_pit = title.indexOf("踩坑") !== -1 ? 1 : 0;

// 将结果赋值给新字段
has_best = has_best;
has_lowcode = has_lowcode;
has_practice = has_practice;
has_tutorial = has_tutorial;
has_pit = has_pit;

通过该代码，系统会自动判断每条作品标题中是否出现指定关键词，并生成对应的0/1标志字段。这样原本不能直接统计的文本标题，就可以转化为可用于分组、筛选和对比分析的结构化变量。

---

步骤3：计算互动总数

互动总数用于综合衡量作品获得用户反馈的程度。本实验将点赞数、收藏数、分享数和投币数合并为一个指标，计算公式为：

total_interaction = likes + favorites + shares + coins

在助睿ETL中，可以使用“计算器”组件新增字段。实验手册中将该计算字段命名为 interactions，后续通过插入/更新组件映射到 content_analysis 表中的 total_interaction 字段。

字段	含义
likes	点赞数量
favorites	收藏数量
shares	分享数量
coins	投币数量，主要用于B站
total_interaction	综合互动总数

---

步骤4：将特征结果更新回 content_analysis

计算完成后，需要使用“插入/更新”组件将结果回填到原来的 content_analysis 表中，而不是重新输出一张重复表。这样做可以避免每次运行转换流都新增重复记录。

插入/更新组件关键配置如下：

配置项	设置内容
目标表	content_analysis
查询关键字	id
更新字段	total_interaction、has_best、has_lowcode、has_practice、has_tutorial、has_pit

字段映射如下：

流字段	表字段
id	id
interactions	total_interaction
has_best	has_best
has_lowcode	has_lowcode
has_practice	has_practice
has_tutorial	has_tutorial
has_pit	has_pit

这里选择“插入/更新”而不是“表输出”，原因是“表输出”会在每次运行时新增行，容易造成重复数据；而“插入/更新”会根据 id 进行匹配，如果记录已经存在，就只更新指定字段。这样可以保证 content_analysis 表中的作品记录保持唯一，同时补充新的特征字段。

---

四、关键词级别汇总表构建

除了更新作品明细表，本实验还需要生成关键词级别的汇总数据，用于后续BI中制作标题影响分析图表。该部分需要新建 title_feature_analysis 表。

步骤1：创建 title_feature_analysis 目标表

字段名	类型	说明
id	INT	自增主键
platform	VARCHAR(20)	平台，B站或CSDN
feature_name	VARCHAR(50)	关键词名称
avg_interaction	DECIMAL(10,2)	含该关键词作品的平均互动总数
overall_avg	DECIMAL(10,2)	该平台整体平均互动总数
sample_count	INT	含该关键词的作品数量

该表的粒度不是单篇作品，而是“平台 + 关键词”。例如，一行数据可以表示“B站平台中包含‘保姆级’关键词的作品平均互动数”。

---

步骤2：计算整体平均互动数

首先，需要计算某个平台下所有作品的整体平均互动数，作为关键词效果分析的对照基准。可以使用“排序记录”和“分组”组件，对 total_interaction 求平均值，得到 overall_avg。

配置项	设置内容
输入表	content_analysis
聚合字段	total_interaction
聚合方式	AVG
输出字段	overall_avg
作用	作为关键词效果对照基准

聚合完成后，接入“增加常量”组件，新增字段 feature_name = '保姆级'。这样做是为了后续与“保姆级”关键词分支进行连接。

---

步骤3：计算关键词平均互动数

以“保姆级”为例，复制一条数据分支，先用“过滤记录”组件筛选出 has_best = 1 的作品，然后使用“排序记录”和“分组”组件计算这些作品的平均互动数和样本数量。

过滤条件如下：

has_best = 1

聚合配置如下：

聚合内容	聚合方式	输出字段
total_interaction	AVG	avg_interaction
id	COUNT	sample_count

聚合完成后，同样使用“增加常量”组件，新增字段：

feature_name = '保姆级'

增加常量的原因是，聚合之后的数据只有平均互动数和样本数量，如果不增加关键词名称，后续多个关键词分支合并后就无法区分每一行对应哪个关键词。

---

步骤4：合并整体平均值和关键词平均值

完成整体平均互动数和关键词平均互动数的计算后，使用“记录集连接”组件将两条分支合并。连接字段为 feature_name，这样可以把同一关键词对应的 avg_interaction、overall_avg 和 sample_count 放到同一行。

连接内容	说明
左侧分支	含关键词作品的平均互动数与样本数量
右侧分支	平台整体平均互动数
连接字段	feature_name
输出结果	一条完整的关键词分析记录

---

步骤5：复制分支计算其他关键词

其他关键词的处理方式与“保姆级”完全一致，只需要修改过滤条件和常量值即可。

关键词	过滤条件	常量值
保姆级	has_best = 1	feature_name = '保姆级'
零代码	has_lowcode = 1	feature_name = '零代码'
实战	has_practice = 1	feature_name = '实战'
教程/指南	has_tutorial = 1	feature_name = '教程/指南'
踩坑	has_pit = 1	feature_name = '踩坑'

将五个关键词分支分别处理完成后，使用“合并记录”组件把五条结果合并，最终输出到 title_feature_analysis 表。

---

五、实验输出

输出表	数据粒度	主要用途
content_analysis	作品级	用于作品排名、趋势分析、平台明细分析
title_feature_analysis	关键词级	用于标题关键词互动效果分析

---

六、实验结果分析

通过本实验，content_analysis 表从单纯的作品明细表，进一步变成了包含互动总数和标题特征的分析宽表。互动总数能够综合反映作品的用户反馈情况，而标题关键词特征则把文本信息转化为可以统计和比较的数据字段。

从分析意义上看，标题特征构建是本实验的重要部分。由于班级作品内容主题接近，平台相对固定，作品数量也较为接近，因此标题写法可能是造成浏览量和互动量差异的重要因素。通过提取“保姆级”“零代码”“实战”“教程/指南”“踩坑”等关键词，并计算对应的平均互动数，可以为后续标题优化提供数据依据。

---