第一部分实验背景1.实验目的在上一个实验的基础上我们的本实验进一步对于我们的内容分析表实施了特征工程同时我们构建了关键词级别的汇总统计表为我们后续的可视化分析提供了结构化特征数据。具体任务分为两类一我们需要更新明细表首先我们计算互动总数之后我们将分散的四种互动行为聚合为了一个综合性的强度指标便于我们后续对作品整体热度进行排序与对比。提取5个标题关键词标志字段之后我们以0/1二值变量来标注每篇作品标题中是否包含特定词汇这样子我们为后续分组对比分析提供分类维度。二新建汇总表我们要按我们的平台分别计算含每个关键词的作品的平均互动总数并我们之后与该平台整体平均互动数进行对比形成title_feature_analysis表我们通过了本实验我们应掌握以下核心技能我们应该要可以理解特征工程在数据分析流程中的地位我们应该学习使用助睿ETL的 “计算器”组件 完成我们字段间的算术运算我们应该学会使用 “JavaScript代码”组件 来完成我们文本字段的模式匹配与自动标注我们应该知道使用 “插入/更新”组件 来实现我们的数据回填让我们在不新建表、不产生重复记录的前提下可以将我们的计算结果持久化到目标表我们还要学会使用 “过滤记录 聚合 增加常量 记录集连接” 的组件组合来完成我们的分组统计与还有我们的多分支结果的合并输出。2.实验环境平台全称助睿数智Uniplore一站式数据科学实验平台​• 平台定位覆盖数据接入、ETL处理、机器学习建模到可视化分析的全链路Agentic零代码数据智能​• 平台网站https://www.uniplore.com/​3.简述处理流程1更新content_analysis表表输入-标题特征提取-计算互动总数-使用插入/更新组件2输出title_feature_analysis表复制分发-过滤记录-分组聚合-整体基准计算-合并记录-增加常量-表输出第二部分实验步骤(1更新content_analysis表总体图为“表输入”配置为选择cs_group_2.ocontent_analysis“JavaScript代码”配置为代码为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输出字段需在字段表中提前定义has_best has_best;has_lowcode has_lowcode;has_practice has_practice;has_tutorial has_tutorial;has_pit has_pit;“计算器”配置为利用我们的连续计算来求这4个值的和“插入/更新”配置为之后执行转换流2输出title_feature_analysis表总体如图我们拖拽完组件后对于各个组件分别连接配置“表输入”配置为表选择cs_group_2.ocontent_analysis“过滤记录”配置为“排序记录”配置为“字段选择”配置为“排序记录”配置为“分组”配置为“排序记录”配置为“字段选择”配置为“排序记录”配置为“分组”配置为“记录集连接”配置为“增加常量”配置为“表输出”配置为这里注意裁剪表不可以被勾选上之后运行转换流之后复制转换流粘贴并重命名为加工其他关键词的转化流我们只需要进行如下的修改即可拿处理“踩坑”举例修改”过滤记录“和”增加常量“之后执行转换流即可第三部分实验结果1.展示实验产生的输出文件与数据结果2.对结果进行简要分析和验证​如图我们成功完成了汇总表的创立以及明细表的更新为我们最后的可视化打下了数据基础。第四部分问题与解决问题现象我们在计算相加的时候出现错误问题原因计数器组件出现缺失问题解决方法我们把两个步骤放在了一个计数器里并且我们清空了浏览器缓存最后结果终于正确。第五部分实验总结这次实验我们成功完成了数据层次的目标本次实验锻炼了我使用助睿ETL完成特征构造与分组统计的操作技能收获我通过本次的实验我对“清洗后的数据≠可分析的数据”的这一理念有了更加具象的认知。因为我们的原始数据经过上一次实验的清洗后虽然结构规整、无缺失但是它仍然停留在了“记录原始字段”的层面他尚未转化为我们分析可直接使用的“分析特征”。所以我们的本实验通过了计算器构造了互动总数我们将多维度的行为聚合为了单一的指标之后我们通过JavaScript代码将标题文本中的语义信号转化为了我们的二值分类标签这样子使得我们原本“沉默”的非结构化文本得以可以参与量化分析。我们的这一过程让我深刻的体会到我们的特征工程的关键地位。对平台的整体评价这次实验我们的平台成功实现了对应各个字段的处理分组以及对数据文本可以进行标签的提取与标记证明了平台虽然是低代码但是我们需要的功能他并没有缺失他可以非常灵活的达成我们的需求。