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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220