-
-
主页面
-
上传页面
-
预览页面
-
等待结果页面
-
结果页面
Inspiration
“男朋友说我太胖了，我是被PUA了吗？”
“他总是对我忽冷忽热的，这是不是PUA啊？”
“我还未成年，他就对我提出那样的事情，是PUA嘛？”
... ...
“近日某流量明星涉嫌多次诱骗未成年人与未成年人发生性关系。”
但人们坠入爱河时，他们主观上的情感偏差容易使自身陷入”当局者迷“的困境，容易有下面的想法：
“他/她这么说我，无意伤害我，只是为了我好，他/她是在为了我们的未来而说我。”
“他/她和他们只是朋友，一定是我想多了。”
最终，通通累积，演化成这样的想法：
“哦，果然是我自己，太差劲了。”
在这个花花世界，我们有没有什么小程序或者app，是能识别是否碰上渣男/渣女？
PUA是这阵子被热议的话题，PUA的结局一般都不是很好。
如果当局者无法分辨PUA，那机器呢？
如果我们收集到了足够多的人渣语录，备胎语录，和情感波动，用sota的自然语言处理模型进行训练，便可以提取那些话语中的特征，来从聊天记录中判定对方是否在PUA。
理论存在，实践开始...
提前写在最后（请一定要看这一段）
其实我们都知道，人的情感其实很难用机器完全检测的出来，因为我们的情感比机器所能检测的更加丰富。做这个webapp的初衷其实是希望能唤醒在被pua中的人。毕竟，用这个app的人，要么是为了玩 (诶，就是玩，看看它准不准，比如作者本人是想看看这app可不可以能检测出吴姓明星是否为渣男), 要么是自己其实已经知道被pua了但是就是不愿意相信。而这个app可以在他们迷茫的时候能给他们一些局外人的视角，来让他们确定这就是pua，给自己一个很好的理由，来结束被人渣的统治，来停止pua对他们继续造成侵害，同时提升一定的反pua意识。
What it does
用户可以在这个软件中上传自己的聊天记录截图，我们的后台可以从截图中提取文字，并用自然语言处理模型来分析对方说的话，生成一份渣男渣女检测报告，返回给客户端。
How we built it
使用了React来布置前端, 实现一个高效，简约，易懂的网页。 前端github
使用flask来做API进行前端和后台的数据交互。 后端github
使用optical character recognition(OCR)来从聊天截图中识别文字。
使用了BERT做迁移学习，并用知乎，微博上获得的渣男/渣女和备胎语录，来训练一个自然语言处理模型. 并用这个模型来辨别聊天记录的人渣指数。 BERT+数据集
使用了AWS comprehend来做sentiment analysis来分析对话的情感，并且总结情感波动。
生成报告使用flask RESTful API返回给前端。
将后端部署在AWS上，前端部署在netlify上
如果netlify运行出现问题，是因为netlify禁止http的traffic， 所以请下载前端代码，前端github 在本地运行，后端部署是永远稳定的，即使在local运行前端也可以获得后端的数据 操作简单，command如下
git clone https://github.com/JiaqiWang18/unihack-frontend
cd unshackled-frontend
npm -I
npm start
然后进入：127.0.0.1:3000
Challenges we ran into
少量的数据集我们可以用来训练。 很难找到合适免费的部署环境，来执行我们后端需要的OCR操作，和模型的inference
Accomplishments that we're proud of
实现了一个完整的end to end pipeline, 并且找到合适的部署环境
What we learned
我们学到了如何高效运用OCR来进行文字提取，学到了项目实践时需要考虑的部署难度和环境。
What's next for Anti-pua
这个app未来不止可以针对深陷pua中的人，还可以帮助上网的老年人辨别营销和诈骗。 提供海报生成功能，可以分享在朋友圈。
Log in or sign up for Devpost to join the conversation.