Laravel 评论评分系统:Laravel Review Rateable
2024-05-23 15:42:28作者:史锋燃Gardner
Laravel Review Rateable 是一个针对 Laravel 6 到 9 的全面评论和评分系统,允许您对模型进行五个不同维度的评分:整体评分、客户服务评分、质量评分、友善度评分以及价格评分。此外,它还支持设定被评价模型是否推荐。
安装与配置
要安装此包,请在您的项目中运行以下Composer命令:
composer require codebyray/laravel-review-rateable
然后,在 app/config/app.php 文件中的服务提供者列表中添加如下代码(对于 Laravel 5.5 及更高版本,这将自动完成):
'providers' => [
Codebyray\ReviewRateable\ReviewRateableServiceProvider::class
];
接下来,发布并执行迁移文件:
php artisan vendor:publish --provider="Codebyray\ReviewRateable\ReviewRateableServiceProvider" --tag="migrations"
最后,执行数据库迁移:
php artisan migrate
模型设置
在你的模型类中,实现 Codebyray\ReviewRateable\Contracts\ReviewRateable 接口,并使用 ReviewRateableTrait:
<?php
namespace App;
use Codebyray\ReviewRateable\Contracts\ReviewRateable;
use Codebyray\ReviewRateable\Traits\ReviewRateable;
use Illuminate\Database\Eloquent\Model;
class Post extends Model implements ReviewRateable
{
use ReviewRateableTrait;
}
使用示例
创建评分时,可以指定评分是否已审核:
$user = User::first();
$post = Post::first();
$rating = $post->rating([
'title' => 'This is a test title',
'body' => 'And we will add some shit here',
'customer_service_rating' => 5,
'quality_rating' => 5,
'friendly_rating' => 5,
'pricing_rating' => 5,
'rating' => 5,
'recommend' => 'Yes',
'approved' => true,
], $user);
dd($rating);
更新或删除评分,标记为已审核,以及获取不同的评分集合也非常简单直观。
应用场景与特点
Laravel Review Rateable 非常适合用于电商平台、博客或任何需要用户反馈和评级的项目。它的特点包括:
- 多维度评分:除了整体评分外,还可以分别对服务质量、产品质量、友好度和价格进行评估。
- 审核机制:提供了未审核和已审核的评分管理,便于对用户提交的内容进行审查。
- 灵活的数据操作:轻松创建、更新、删除评分,以及按需获取数据。
- 统计信息:可快速获取平均评分、计数总评分以及百分比评分,方便数据分析。
- 易集成:与 Laravel 框架无缝集成,适应性强,易于定制和扩展。
- 维护活跃:虽然这是一个从原始项目分叉的版本,但仍然保持持续的更新和维护。
无论你是正在构建一个新的 Laravel 项目,还是希望改进现有的评价系统,Laravel Review Rateable 都是一个值得考虑的强大工具。立即尝试,让用户体验更上一层楼!
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322