交叉参考小红书和大众点评的餐厅推荐，以验证餐厅质量和一致性。适用于查询餐厅...
餐厅审查 Cross-Check.
功能概述
餐厅审查 Cross-Check.是一项面向实际任务的技能，主要用于Cross-Reference 餐厅数据来自小红须和甸平,以提供经验证的建议. ^ 快速启动的餐厅按地点和烹饪类型:.。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。
核心要点
- 使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。
- 该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。
- 从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
使用与执行
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
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
热门AI工具
相关专题
Vite项目打包部署专题汇集生产构建、产物预览、输出目录、资源路径、Nginx与GitHub Pages部署及常见白屏和路由404问题的已审核文章，帮助读者完成上线流程。
0
2026.10.28
Vite搭配Vue.js专题汇集创建Vue 3项目、配置开发环境、路径别名、Vue插件、代理、多环境构建与调试的已审核文章，帮助读者完成从初始化到日常开发的配置。
0
2026.10.28
Vite项目目录专题汇集入口文件、src源码、public静态资源、路径别名、项目根目录和构建输出目录相关的已审核文章，帮助读者理解各文件夹的用途与引用方式。
0
2026.10.28
本专题介绍Gradle插件开发的基本流程，涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法，帮助你理解插件如何组织构建逻辑，减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用，涵盖文件组成、生成方法、版本配置和任务调用，帮助你理解项目如何使用指定的Gradle版本，减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法，覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查，帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法，涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查，帮助你理解各阶段的任务关系，逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞，包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等，并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案，帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件，讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置，便于团队统一检查标准。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.6万人学习
共6课时 | 54.7万人学习
