Отзывы с Wildberries, Ozon и Яндекс Маркета через API продавца: модели scikit-learn определяют тональность и о чём пишут покупатели, тревога поднимается в первую неделю всплеска жалоб, новые темы находятся сами, а ответ уходит обратно через API площадки. Модели обучаются прямо в браузере. Что умеет: — Сбор по API продавца трёх площадок с их форматами и пагинацией: Wildberries — skip и take, Ozon — last_id, Маркет — page_token; журнал запросов виден — Тональность — логистическая регрессия на TF-IDF по основам слов с учётом «не»; на контрольной выборке точнее правила по звёздам: macro-F1 0,88 против 0,72 — Восемь аспектов в каждом отзыве, по предложениям: где хвалят, где жалуются — и «Почему так?» с весами слов прямо в тексте — Тревоги без ложных срабатываний: жалобы на аспект за неделю против шести недель до неё, биномиальный z-score отдельно по товару и площадке Стек: Python · scikit-learn · pandas · openpyxl · pytest · Pyodide · WebAssembly · Web Worker · Comlink · React · TypeScript · Recharts · Zustand Это демо я разработал для своего портфолио на antongoncharov.ru — его можно попробовать вживую: https://antongoncharov.ru/demo/analitika-otzyvov