1. 上传界面/初始界面（包括单挑新闻或多条新闻两种情况）：

组件：两个文本输入框，一个提交按钮，一个删除（取消）按钮，一个上传按钮

• 单条新闻：

两个文本输入框：一个新闻内容输入框（content），一个新闻标题输入框（title）。（内容框必须要填，输入框可以不填内容）

一个提交按钮：用户将内容填好之后，点击上传提交

删除（取消）按钮：用户希望删除所输入的内容重新输入或不再输入了。

• 多条新闻：

两个文本输入框：新闻内容输入框用于做文件框，显示用户提交的文件名。

一个上传按钮：点击之后会选择本地csv或xlsx格式的文件到后台进行处理

提交按钮：可以实现点击上传文件

删除（取消）按钮：用户希望删除所输入的内容重新输入或不再输入了。

2. 返回界面/结果界面：

组件：四个按钮，三个文本框，一个下拉列表

• 单条新闻：
  • 两个按钮：

确定按钮：点击弹出结果框

修改按钮：表示用户不同意算法给出的结果，点击这个按钮之后，会弹出下拉列表（不点击的时候是隐藏的，列表中类型有财经，房产，教育，科技，军事，汽车，体育，游戏，娱乐，其他这10项，分别对应数据库中的算法判断结果和用户认为结果中的10个结果，具体数据库要求见下面第3点）。同时要有一个取消按钮，即用户不想再继续修改了。

②三个文本框：

标题框（title）：即用户输入的标题（可没有）

新闻内容框（content）：即用户输入的新闻内容（必须有）

算法识别结果框（channelName）：即后端算法识别出来新闻的类别是财经，房产，教育，科技，军事，汽车，体育，游戏，娱乐，其他这10类中的哪一类

• 下拉列表：

开始的时候是隐藏的，在用户点击修改按钮之后才会弹出。

• 多条新闻：
  • 四个按钮：

下载按钮：由于多条新闻的时候是上传的csv和xlsx格式的文件，所以处理之后直接在上传的文件的基础上加一列channelName，写入predict.py文件中模型判断的结果。最后生成一个文件（文件中仍为content，title，channelName和用户认为结果四项，具体处理方法和上面查询数据库中的相同。要注意的是这里文件中的结果逐条存入查询数据库中）

取消按钮：表示用户不想下载结果文件了，直接取消

在线预览按钮：用户点击这个按钮之后，可以直接在线分页预览结果文件中的内容，且每条内容后面都有一个修改按钮和一个取消按钮，取消按钮表示用户不再想修改用户认为结果这一项的值，即用户认同算法判断的结果，修改按钮具体功能见下。

修改按钮：修改按钮主要是当用户认为算法得到的结果和自己的结果相违背的时候想要进行修改，点击后出现一个下拉列表（和上面单条新闻的情况相同）

• 下拉列表：当用户点击修改按钮之后弹出下拉列表，具体功能和单条新闻相同。这里要有一个取消按钮，即用户不想继续进行修改了。修改之后将用户认定结果这一项改为用户选择的结果，覆盖查询数据库相应内容（和单条相同，类似于单条加上循环语句）。

注：后端（最好用flask框架），数据库（MySQL或SQL server都可以，最好是SQL server）

3. 数据库要求：

三个库：

• 历史数据库：（存储历史训练数据集，每个表中有content（新闻文本），title（新闻标题），channelName（新闻类别）三个字段）
• 查询数据库：（存储用户主动输入并查询的内容，且查询数据库中的内容可以定期迁移到历史数据库中，每个表中包括content（新闻文本），title（新闻标题），channelName（算法认定的新闻类别）和用户认为的新闻类别四个字段，在用户输入并点击提交按钮之后，将四个字段的内容直接存入查询数据库中，且初始状态下将算法结果和用户认定的结果记为相同的，都为算法结果，如果前端用户选择不同意算法判定的结果并进行修改，那么将用户认为的结果这一项改为用户在下拉列表中所选择的结果）
• 调用python中的checkpoint模型（模型存在predict.py文件中）（注：predict.py调用tensorflow.train.saver中保存的模型，其中tensorflow的版本是1.14.0）

这里predict.py主要有两个接口，一个调用predict.py的接口，另一个是接受predict.py返回结果的接口。