feat(frontend):优化市场分析组件并增强标签处理逻辑

- 添加主要指数(mainIndex)，包括中美日韩等地重要城市指数
- 更新图表展示逻辑，使用mainIndex代替原有的china索引
- 引入数字动画效果，提升用户体验
- 在后端增加标签类型过滤，仅处理type为"subject"的标签
- 调整标签词频，通过ReAddToken方法提高关键词权重

app_common.go

@@ -76,7 +76,7 @@ func (a *App) ChatWithAgent(question string, aiConfigId int, sysPromptId *int) {
 
 func (a *App) AnalyzeSentimentWithFreqWeight(text string) map[string]any {
 	if text == "" {
-		telegraphs := data.NewMarketNewsApi().GetNews24HoursList("", 1000)
+		telegraphs := data.NewMarketNewsApi().GetNews24HoursList("", 1000*10)
 		messageText := strings.Builder{}
 		for _, telegraph := range *telegraphs {
 			messageText.WriteString(telegraph.Content + "\n")

backend/data/data/dict/base.txt

@@ -1,6 +1,5 @@
 # 金融股票全场景分词字典（最终去重优化版）
 # 格式：单词 权重 词性 | 权重280-350分，核心术语优先匹配，无重复词汇
-# 覆盖：净买卖、股指、财务指标、交易操作、政策宏观、热点概念、机构媒体、美股中概股、十五五规划等全场景
 
 # 一、净买卖与资金流向（核心交易表述）
 净卖出 340 v
@@ -96,6 +95,7 @@
 操纵市场 300 n
 亏损 100 n
 加工 100 n
+
 # 三、全球主要股指（含中英文缩写）
 # 中国市场
 A股 350 n
@@ -117,63 +117,43 @@ A股 350 n
 科创50指数 330 n
 上证综指 350 n
 富时中国A50指数 340 n
-FTSE China A50 330 n
 恒生指数 340 n
-HSI 330 n
 恒生科技指数 340 n
 恒生国企指数 330 n
 H股指数 330 n
 # 美洲市场
 道琼斯工业平均指数 350 n
-DJIA 340 n
 标普500指数 350 n
-S&P 500 340 n
 纳斯达克综合指数 340 n
 纳斯达克100指数 340 n
-Nasdaq 100 330 n
 罗素2000指数 320 n
-Russell 2000 310 n
 标普400中型股指数 310 n
 标普600小型股指数 310 n
 纽约证交所综合指数 310 n
-NYSE Composite 300 n
 纳斯达克中国金龙指数 310 n
 # 欧洲市场
 德国DAX指数 330 n
-DAX 30 320 n
 法国CAC40指数 330 n
-CAC 40 320 n
 富时100指数 330 n
-FTSE 100 320 n
 欧元斯托克50指数 320 n
-Euro Stoxx 50 310 n
 英国富时250指数 310 n
-FTSE 250 300 n
 意大利富时MIB指数 310 n
-FTSE MIB 300 n
 西班牙IBEX 35指数 310 n
-IBEX 35 300 n
 # 亚太其他市场
 日经225指数 330 n
-Nikkei 225 320 n
 日经500指数 310 n
 韩国综合股价指数 320 n
 韩国kospi指数 320 n
 KOSPI 310 n
 澳洲标普200指数 310 n
-S&P/ASX 200 300 n
 印度孟买敏感指数 310 n
 Sensex 300 n
 印度Nifty 50指数 310 n
-Nifty 50 300 n
 # 全球综合指数
 MSCI指数 320 n
 MSCI全球指数 330 n
-MSCI World Index 320 n
 MSCI新兴市场指数 330 n
-MSCI Emerging Markets 320 n
 富时罗素全球指数 320 n
-FTSE Russell Global Index 310 n
 摩根大通全球债券指数 310 n
 全球股指 300 n
 发达市场指数 300 n
@@ -198,38 +178,7 @@ G20国家指数 300 n
 指数估值 310 n
 指数市盈率 310 n
 
-# 四、A股龙头公司（资讯高频）
-贵州茅台 310 n
-宁德时代 350 n
-比亚迪 340 n
-隆基绿能 300 n
-长江电力 290 n
-中国平安 300 n
-招商银行 300 n
-五粮液 290 n
-美的集团 290 n
-格力电器 290 n
-海康威视 290 n
-迈瑞医疗 290 n
-恒瑞医药 290 n
-中芯国际 300 n
-中兴通讯 290 n
-东方财富 290 n
-爱尔眼科 290 n
-通威股份 290 n
-药明康德 320 n
-阳光电源 290 n
-天齐锂业 290 n
-赣锋锂业 290 n
-中国中免 290 n
-海螺水泥 280 n
-万科A 280 n
-保利发展 280 n
-招商蛇口 280 n
-上汽集团 280 n
-宝钢股份 280 n
-
-# 五、财务与估值核心指标
+# 四、财务与估值核心指标
 市盈率 350 n
 PE 350 n
 动态市盈率 340 n
@@ -269,7 +218,7 @@ EPS 330 n
 量比 320 n
 振幅 320 n
 
-# 六、政策与宏观经济
+# 五、政策与宏观经济
 货币政策 330 n
 财政政策 330 n
 稳健货币政策 320 n
@@ -307,7 +256,7 @@ PMI 330 n
 黄金价格 310 n
 有色金属价格 300 n
 
-# 七、金融产品与机构
+# 六、金融产品与机构
 股票 320 n
 基金 320 n
 公募基金 310 n
@@ -351,7 +300,7 @@ QFII 300 n
 RQFII 290 n
 北向资金机构 300 n
 
-# 八、热点概念与行业
+# 七、热点概念与行业
 AI 330 n
 人工智能 350 n
 算力 330 n
@@ -395,7 +344,7 @@ CXO 300 n
 5G 300 n
 6G 340 n
 
-# 九、交易操作与行情
+# 八、交易操作与行情
 上涨 310 v
 下跌 310 v
 涨停 310 v
@@ -473,7 +422,7 @@ CXO 300 n
 震荡上行 320 v
 震荡下行 320 v
 
-# 十、委托交易与规则
+# 九、委托交易与规则
 限价委托 340 n
 市价委托 340 n
 止损委托 330 n

backend/data/data/dict/user.txt

@@ -1,26 +1,185 @@
-公司 0.1 n
-国家 0.1 n
-国际 0.1 n
-会议 0.1 n
-市场 0.1 n
-经济 0.1 n
-技术 0.1 n
-记者 0.1 n
-时间 0.1 n
-项目 0.1 n
-问题 0.1 n
-企业 0.1 n
-财联社 0.1 n
-上涨 0.1 v
-下跌 0.1 v
-期货  0.1 n
-跌幅 0.1 n
-跌超 0.1 adj
-股票 0.1 n
+# 补充：热点概念与板块（Jieba/gse兼容格式）
+# 权重说明：核心热点500-700分，事件类400分，负权重词汇按需求保留
+
+# 一、负权重低优先级词汇（减少无差别匹配干扰）
+公司 -0.1 n
+国家 -0.1 n
+国际 -0.1 n
+会议 -0.1 n
+市场 -0.1 n
+经济 -0.1 n
+技术 -0.1 n
+记者 -0.1 n
+时间 -0.1 n
+项目 -0.1 n
+问题 -0.1 n
+企业 -0.1 n
+财联社 -0.1 n
+上涨 -0.1 v
+下跌 -0.1 v
+期货 -0.1 n
+跌幅 -0.1 n
+跌超 -0.1 adj
+股票 -0.1 n
+基金 -0.1 n
+电讯 -0.1 n
+建筑 -0.1 n
+平开 -0.1 n
+保险 -0.1 n
+行业 -0.1 n
+其他 -0.1 n
+
+# 二、核心热点概念（700分，最高优先级）
+比特币 700 n
+摩尔线程 700 n
+摩尔线程概念 700 n
+AI算力 700 n
+生成式AI 700 n
+量子计算 700 n
+脑机接口 700 n
+6G通信 700 n
+人形机器人 700 n
+固态电池 700 n
+ChatGPT概念 700 n
+Web3.0 700 n
+元宇宙 700 n
+数字孪生 700 n
+量子通信 700 n
+
+# 三、重点赛道板块（500分，高优先级）
 冰雪旅游 500 n
 特高压 500 n
 跨境电商 500 n
-俄乌冲突 400 n
 新能源汽车 500 n
 机器人 500 n
-具身智能 500 n
+具身智能 500 n
+油气 500 n
+商业航天 500 n
+光伏储能 500 n
+锂电材料 500 n
+半导体设备 500 n
+集成电路 500 n
+创新药 500 n
+CXO 500 n
+医疗器械 500 n
+数字经济 500 n
+数字货币 500 n
+区块链 500 n
+低空经济 500 n
+工业互联网 500 n
+物联网 500 n
+5G应用 500 n
+充电桩 500 n
+氢能源 500 n
+核聚变 500 n
+工业母机 500 n
+新材料 500 n
+生物制造 500 n
+智能网联汽车 500 n
+乡村振兴 500 n
+国企改革 500 n
+央企重组 500 n
+跨境金融 500 n
+自贸港 500 n
+一带一路 500 n
+绿色低碳 500 n
+碳交易 500 n
+数据要素 500 n
+数字基建 500 n
+东数西算 500 n
+国产替代 500 n
+信创 500 n
+网络安全 500 n
+算力网络 500 n
+边缘计算 500 n
+虚拟现实 500 n
+增强现实 500 n
+智能穿戴 500 n
+智能家居 500 n
+车联网 500 n
+激光雷达 500 n
+氮化镓 500 n
+碳化硅 500 n
+第三代半导体 500 n
+EDA工具 500 n
+光刻胶 500 n
+芯片设计 500 n
+封装测试 500 n
+储能电池 500 n
+钠离子电池 500 n
+氢燃料电池 500 n
+光伏组件 500 n
+风电设备 500 n
+特高压设备 500 n
+电力物联网 500 n
+智能电网 500 n
+轨道交通 500 n
+航空航天 500 n
+海洋工程 500 n
+高端装备 500 n
+军工电子 500 n
+卫星互联网 500 n
+北斗导航 500 n
+国产大飞机 500 n
+生物医药 500 n
+基因测序 500 n
+疫苗 500 n
+医疗美容 500 n
+养老产业 500 n
+教育信息化 500 n
+体育产业 500 n
+文化创意 500 n
+旅游复苏 500 n
+预制菜 500 n
+白酒 500 n
+食品饮料 500 n
+家电下乡 500 n
+房地产复苏 500 n
+基建投资 500 n
+新型城镇化 500 n
+冷链物流 500 n
+快递物流 500 n
+跨境支付 500 n
+金融科技 500 n
+消费电子 500 n
+元宇宙基建 500 n
+数字藏品 500 n
+NFT 500 n
+绿色电力 500 n
+节能降碳 500 n
+抽水蓄能 500 n
+生物质能 500 n
+地热能 500 n
+潮汐能 500 n
+
+# 四、事件驱动型概念（400分，中优先级）
+俄乌冲突 400 n
+中东局势 400 n
+美联储加息 400 n
+降息预期 400 n
+贸易摩擦 400 n
+供应链重构 400 n
+能源危机 400 n
+粮食安全 400 n
+疫情复苏 400 n
+政策利好 400 n
+产业扶持 400 n
+技术突破 400 n
+并购重组 400 n
+IPO提速 400 n
+解禁潮 400 n
+北向资金流入 400 n
+南向资金流入 400 n
+主力资金异动 400 n
+行业景气度 400 n
+业绩预增 400 n
+商誉减值 400 n
+退市风险 400 n
+监管新规 400 n
+税收优惠 400 n
+补贴政策 400 n
+基建刺激 400 n
+消费刺激 400 n
+新能源补贴 400 n
+碳达峰政策 400 n
+碳中和目标 400 n

backend/data/market_news_api.go

@@ -1031,9 +1031,9 @@ func (m MarketNewsApi) CailianpressWeb(searchWords string) *models.CailianpressW
 func (m MarketNewsApi) GetNews24HoursList(source string, limit int) *[]*models.Telegraph {
 	news := &[]*models.Telegraph{}
 	if source != "" {
-		db.Dao.Model(news).Preload("TelegraphTags").Where("source=? and created_at>?", source, time.Now().Add(-24*time.Hour)).Order("id desc,is_red desc").Limit(limit).Find(news)
+		db.Dao.Model(news).Preload("TelegraphTags").Where("source=? and created_at>?", source, time.Now().Add(-24*time.Hour)).Order("created_at desc,is_red desc").Limit(limit).Find(news)
 	} else {
-		db.Dao.Model(news).Preload("TelegraphTags").Where("created_at>?", time.Now().Add(-24*time.Hour)).Order("id desc,is_red desc").Limit(limit).Find(news)
+		db.Dao.Model(news).Preload("TelegraphTags").Where("created_at>?", time.Now().Add(-24*time.Hour)).Order("created_at desc,is_red desc").Limit(limit).Find(news)
 	}
 	// 内容去重
 	uniqueNews := make([]*models.Telegraph, 0)

backend/data/search_stock_api.go

@@ -37,10 +37,10 @@ func (s SearchStockApi) SearchStock(pageSize int) map[string]any {
 				"matchWord": "",
 				"timestamp": "%d",
 				"shareToGuba": false,
-				"requestId": "RMd3Y76AJI98axPvdhdbKvbBDVwLlUK61761559950168",
+				"requestId": "",
 				"needCorrect": true,
 				"removedConditionIdList": [],
-				"xcId": "xc0d61279aad33008260",
+				"xcId": "",
 				"ownSelectAll": false,
 				"dxInfo": [],
 				"extraCondition": ""

backend/data/search_stock_api_test.go

@@ -4,14 +4,22 @@ import (
 	"encoding/json"
 	"go-stock/backend/db"
 	"go-stock/backend/logger"
+	"math"
 	"testing"
 
 	"github.com/duke-git/lancet/v2/convertor"
+	"github.com/duke-git/lancet/v2/random"
 )
 
 func TestSearchStock(t *testing.T) {
 	db.Init("../../data/stock.db")
 
+	e := convertor.ToString(math.Floor(float64(9*random.RandFloat(0, 1, 12) + 1)))
+	for i := 0; i < 19; i++ {
+		e += convertor.ToString(math.Floor(float64(9 * random.RandFloat(0, 1, 12))))
+	}
+	logger.SugaredLogger.Infof("e:%s", e)
+
 	res := NewSearchStockApi("量比大于2，基本面优秀，2025年三季报已披露，主力连续3日净流入，非创业板非科创板非ST").SearchStock(20)
 	logger.SugaredLogger.Infof("res:%+v", res)
 	data := res["data"].(map[string]any)

backend/data/stock_sentiment_analysis.go

@@ -38,14 +38,14 @@ var (
 
 	// 负面金融词汇及其权重
 	negativeFinanceWords = map[string]float64{
-		"跌": 1.0, "下跌": 2.0, "跌停": 3.0, "熊市": 3.0, "回调": 1.5, "新低": 2.5,
+		"跌": 2.0, "下跌": 2.0, "跌停": 3.0, "熊市": 3.0, "回调": 2.5, "新低": 2.5,
 		"利空": 2.5, "减持": 2.0, "卖出": 2.0, "看空": 2.0, "亏损": 2.5,
 		"下滑": 2.0, "萎缩": 2.0, "不及预期": 2.5, "疲软": 1.5, "恶化": 2.0,
-		"衰退": 2.0, "跌破": 2.0, "创新低": 3.0, "走弱": 1.5, "下挫": 1.5,
+		"衰退": 2.0, "跌破": 2.0, "创新低": 3.0, "走弱": 2.5, "下挫": 2.5,
 		"利空消息": 3.0, "收益下降": 2.5, "利润下滑": 2.5, "业绩不佳": 2.5,
-		"垃圾股": 2.0, "风险股": 2.0, "弱势": 1.5, "走低": 1.5, "缩量": 2.5,
-		"大跌": 2.5, "暴跌": 3.0, "崩盘": 3.0, "跳水": 3.0, "重挫": 3.0, "跌超": 2.5, "跌逾": 2.5,
-		"被抓": 3.0, "被抓捕": 3.0,
+		"垃圾股": 2.0, "风险股": 2.0, "弱势": 2.5, "走低": 2.5, "缩量": 2.5,
+		"大跌": 2.5, "暴跌": 3.0, "崩盘": 3.0, "跳水": 3.0, "重挫": 3.0, "跌超": 2.5, "跌逾": 2.5, "跌近": 3.0,
+		"被抓": 3.0, "被抓捕": 3.0, "回吐": 3.0, "转跌": 3.0,
 	}
 
 	// 否定词，用于反转情感极性
@@ -88,9 +88,9 @@ func InitAnalyzeSentiment() {
 		if strutil.Trim(stock.Name) == "" {
 			continue
 		}
-		err := seg.AddToken(stock.Name, basefreq+500, "n")
+		err := seg.AddToken(stock.Name, basefreq+100, "n")
 		if strutil.Trim(stock.BKName) != "" {
-			err = seg.AddToken(stock.BKName, basefreq+500, "n")
+			err = seg.AddToken(stock.BKName, basefreq+100, "n")
 		}
 		if err != nil {
 			logger.SugaredLogger.Errorf("添加%s失败:%s", stock.Name, err.Error())
@@ -102,9 +102,9 @@ func InitAnalyzeSentiment() {
 		if strutil.Trim(stock.Name) == "" {
 			continue
 		}
-		err := seg.AddToken(stock.Name, basefreq+500, "n")
+		err := seg.AddToken(stock.Name, basefreq+100, "n")
 		if strutil.Trim(stock.BKName) != "" {
-			err = seg.AddToken(stock.BKName, basefreq+500, "n")
+			err = seg.AddToken(stock.BKName, basefreq+100, "n")
 		}
 		if err != nil {
 			logger.SugaredLogger.Errorf("添加%s失败:%s", stock.Name, err.Error())
@@ -119,9 +119,9 @@ func InitAnalyzeSentiment() {
 	//	}
 	//}
 	tags := &[]models.Tags{}
-	db.Dao.Model(&models.Tags{}).Find(tags)
+	db.Dao.Model(&models.Tags{}).Where("type = ?", "subject").Find(tags)
 	for _, tag := range *tags {
-		err := seg.AddToken(tag.Name, basefreq, "n")
+		err := seg.ReAddToken(tag.Name, basefreq+100, "n")
 		if err != nil {
 			logger.SugaredLogger.Errorf("添加%s失败:%s", tag.Name, err.Error())
 		}
@@ -141,7 +141,7 @@ func InitAnalyzeSentiment() {
 			k := strutil.SplitAndTrim(line, " ")
 			switch len(k) {
 			case 1:
-				err = seg.ReAddToken(k[0], 100)
+				err = seg.ReAddToken(k[0], basefreq)
 			case 2:
 				freq, _ := convertor.ToFloat(k[1])
 				err = seg.ReAddToken(k[0], freq)
@@ -267,7 +267,7 @@ func countWordFrequencyWithWeight(text string) map[string]WordFreqWithWeight {
 	// 构建包含权重的结果
 	for word, frequency := range wordCount {
 		weight := getWordWeight(word)
-		if weight > 200 {
+		if weight > basefreq {
 			freqMap[word] = WordFreqWithWeight{
 				Word:      word,
 				Frequency: frequency,

frontend/src/components/AnalyzeMartket.vue

@@ -1,6 +1,6 @@
 <script setup>
 
-import {AnalyzeSentimentWithFreqWeight} from "../../wailsjs/go/main/App";
+import {AnalyzeSentimentWithFreqWeight,GlobalStockIndexes} from "../../wailsjs/go/main/App";
 import * as echarts from "echarts";
 import {onMounted,onUnmounted, ref} from "vue";
 import _ from "lodash";
@@ -22,24 +22,60 @@ const { name,darkTheme,kDays ,chartHeight} = defineProps({
     default: false
   }
 })
+const common = ref([])
+const america = ref([])
+const europe = ref([])
+const asia = ref([])
+const mainIndex = ref([])
+const chinaIndex = ref([])
+const other = ref([])
+const globalStockIndexes = ref(null)
 const chartRef = ref(null);
 const gaugeChartRef = ref(null);
+const triggerAreas=ref(["main","extra","arrow"])
 let handleChartInterval=null
+let handleIndexInterval=null
 onMounted(() => {
   handleChart()
+  getIndex()
   handleChartInterval=setInterval(function () {
     handleChart()
   }, 1000 * 60)
+
+  handleIndexInterval=setInterval(function () {
+    getIndex()
+  }, 1000 * 2)
 })
 
 onUnmounted(()=>{
   clearInterval(handleChartInterval)
+  clearInterval(handleIndexInterval)
 })
 
+function getIndex() {
+  GlobalStockIndexes().then((res) => {
+    globalStockIndexes.value = res
+    common.value = res["common"]
+    america.value = res["america"]
+    europe.value = res["europe"]
+    asia.value = res["asia"]
+    other.value = res["other"]
+    mainIndex.value=asia.value.filter(function (item) {
+      return ['上海',"深圳","香港","台湾","北京","东京","首尔","纽约","纳斯达克"].includes(item.location)
+    }).concat(america.value.filter(function (item) {
+      return ['上海',"深圳","香港","台湾","北京","东京","首尔","纽约","纳斯达克"].includes(item.location)
+    }))
+
+    chinaIndex.value=asia.value.filter(function (item) {
+      return ['上海',"深圳","香港","台湾","北京"].includes(item.location)
+    })
+
+  })
+}
 function  handleChart(){
   const formatUtil = echarts.format;
   AnalyzeSentimentWithFreqWeight("").then((res) => {
-    console.log(res)
+    //console.log(res)
     const treemapchart = echarts.init(chartRef.value);
     const gaugeChart=echarts.init(gaugeChartRef.value);
     let data = res['frequencies'].map(item => ({
@@ -117,7 +153,7 @@ function  handleChart(){
       },
       tooltip: {
         formatter: function (info) {
-          var value = info.value;
+          var value = info.value.toFixed(2);
           var frequency = info.data.frequency;
           var weight = info.data.weight;
           return [
@@ -235,7 +271,7 @@ function  handleChart(){
           data: [
             {
               value: res.result.Score*0.2,
-              name: '市场情绪'
+              name: '市场情绪强弱'
             }
           ]
         }
@@ -247,14 +283,26 @@ function  handleChart(){
 </script>
 
 <template>
-  <n-grid :cols="24" :y-gap="0">
-    <n-gi span="6">
-      <div ref="gaugeChartRef" style="width: 100%;height: auto;--wails-draggable:no-drag" :style="{height:chartHeight+'px'}" ></div>
-    </n-gi>
-    <n-gi span="18">
-      <div ref="chartRef" style="width: 100%;height: auto;--wails-draggable:no-drag" :style="{height:chartHeight+'px'}" ></div>
-    </n-gi>
-  </n-grid>
+  <n-collapse :trigger-areas="triggerAreas" :default-expanded-names="['1']" display-directive="show">
+    <n-collapse-item  name="1" >
+      <template #header>
+          <n-flex>
+              <n-tag  size="small" :bordered="false" v-for="(item, index) in mainIndex" :type="item.zdf>0?'error':'success'">  {{item.name}} {{item.zxj}}   <n-number-animation :precision="2" :from="0" :to="item.zdf"/>%</n-tag>
+          </n-flex>
+      </template>
+      <template #header-extra>
+        主要股指
+      </template>
+      <n-grid :cols="24" :y-gap="0">
+        <n-gi span="6">
+          <div ref="gaugeChartRef" style="width: 100%;height: auto;--wails-draggable:no-drag" :style="{height:chartHeight+'px'}" ></div>
+        </n-gi>
+        <n-gi span="18">
+          <div ref="chartRef" style="width: 100%;height: auto;--wails-draggable:no-drag" :style="{height:chartHeight+'px'}" ></div>
+        </n-gi>
+      </n-grid>
+    </n-collapse-item>
+  </n-collapse>
 </template>
 
 <style scoped>