python微博爬虫情感分析可视化系统 舆情分析 python 大数据 TF-IDF算法 Flask框架 毕业设计(源码)?

发布时间:2024年01月19日

毕业设计:2023-2024年计算机专业毕业设计选题汇总(建议收藏)

毕业设计:2023-2024年最新最全计算机专业毕设选题推荐汇总

🍅感兴趣的可以先收藏起来,点赞、关注不迷路,大家在毕设选题,项目以及论文编写等相关问题都可以给我留言咨询,希望帮助同学们顺利毕业?。🍅

1、项目介绍

技术栈:python语言、Flask框架、MySQL数据库、Vue框架、requests爬虫、Echarts可视化、情感分析(百度情感分析senta模型)、tfidf、textrank算法、

2、项目界面

(1)微博舆情关键词分析

在这里插入图片描述

(2)词云 分析

在这里插入图片描述

(3)话题中心

在这里插入图片描述

(4)舆情地图各省份

在这里插入图片描述

(5)数据分析

在这里插入图片描述

(6)热度分析

在这里插入图片描述

(7)用户管理

在这里插入图片描述

(8)后台数据管理

在这里插入图片描述

3、项目说明

技术栈:python语言、Flask框架、MySQL数据库、Vue框架、requests爬虫、Echarts可视化、情感分析(百度情感分析senta模型)、tfidf、textrank算法、

系统采集微博话题文章和评论数据,利用senta框架提供的预模型进行情感分析,对话题的关机键词、热度、地区进行分析,使用了tfidf、textrank等算法。

1、情感分析:使用 百度情感分析senta模型,分析话题下评论内容的情感数据,点击按钮会展示当前话题下情感分析数据
2、微博舆情:展示爬取到的文章信息及文章舆情分析信息(使用 百度情感分析senta模型分析舆情指数,舆情指数小于45分为绿色,45分-60分为橙色,大于60分为红色)。
点击地址可跳转到微博文章页面,点击详情按钮页面可查看该文章详情信息。
3、舆情地图:以地图的形式,直观的展示各个省份舆情信息,可以选择具体某个话题查看。
4、关键词分析: 针对某一个话题 ,使用 textrank和tfidf分别提取话题关键词,以饼图和环形图的形式展示出来。
5、数据分析: 以旭日图的形式展示各个话题正负面舆情占比。

4、核心代码


from flask import Flask
from app_user import index_api
from app_business import home_api

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
from flask_admin import Admin
from flask_admin.contrib.sqla import ModelView

app = Flask(__name__)

# 配置MySQL数据库
app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://root:123456@localhost/p_weibo'
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False
db = SQLAlchemy(app)



# 初始化Flask Admin
admin = Admin(app, name='后台管理')

# 定义模型
class tbl_user(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(255))
    account = db.Column(db.String(255))
    pwd = db.Column(db.String(255))
    email = db.Column(db.String(255))
    phone = db.Column(db.String(255))
    login_flag = db.Column(db.String(255))
    remarks = db.Column(db.String(255))
    role = db.Column(db.String(255))
    icon = db.Column(db.String(255))

class talk_article(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    talk_title = db.Column(db.String(255))
    create_user = db.Column(db.String(255))
    create_date = db.Column(db.String(255))
    text = db.Column(db.String(255))
    attitudes = db.Column(db.String(255))
    comments = db.Column(db.String(255))
    reposts = db.Column(db.String(255))
    create_time = db.Column(db.String(255))
    sentiment_label = db.Column(db.String(255))
    sentiment_key = db.Column(db.String(255))
    positive_probs = db.Column(db.String(255))
    negative_probs = db.Column(db.String(255))

class talk_detail(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    title = db.Column(db.String(255))
    read_num = db.Column(db.String(255))
    read_unit = db.Column(db.String(255))
    talk_num = db.Column(db.String(255))
    talk_unit = db.Column(db.String(255))
    write_num = db.Column(db.String(255))
    write_unit = db.Column(db.String(255))
    type = db.Column(db.String(255))
    short_url = db.Column(db.String(255))
    target_url = db.Column(db.String(255))
    summary = db.Column(db.String(255))
    create_time = db.Column(db.String(255))
    create_user = db.Column(db.String(255))

class talk_comment(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    talk_title = db.Column(db.String(255))
    article_id = db.Column(db.String(255))
    create_date = db.Column(db.String(255))
    source = db.Column(db.String(255))
    create_user = db.Column(db.String(255))
    detail = db.Column(db.String(255))
    create_time = db.Column(db.String(255))
    sentiment_label = db.Column(db.String(255))
    sentiment_key = db.Column(db.String(255))
    positive_probs = db.Column(db.String(255))
    negative_probs = db.Column(db.String(255))


# 自定义模型视图
class tbl_user_ModelView(ModelView):
    column_list = ('id','name', 'account','pwd','email','phone','login_flag','remarks','role')
    # 【搜索框】---过滤的字段名
    column_searchable_list = ('name',)
    # 设置分页大小
    page_size = 10

class talk_article_ModelView(ModelView):
    column_list = ('id','talk_title','create_user','create_date','text','attitudes','comments','reposts','create_time','sentiment_label','sentiment_key','positive_probs','negative_probs')
    # 【搜索框】---过滤的字段名
    column_searchable_list = ('text',)
    # 设置分页大小
    page_size = 10

class talk_detail_ModelView(ModelView):
    column_list = ('id','title','read_num','read_unit','talk_num','talk_unit','write_num','write_unit','type','short_url','summary','create_time','create_user')
    # 【搜索框】---过滤的字段名
    column_searchable_list = ('title',)
    # 设置分页大小
    page_size = 10

class talk_comment_ModelView(ModelView):
    column_list = ('id','talk_title','source','create_user','detail','create_time','sentiment_label','sentiment_key','positive_probs','negative_probs')
    # 【搜索框】---过滤的字段名
    column_searchable_list = ('detail',)
    # 设置分页大小
    page_size = 10

# 将模型添加到后台管理
admin.add_view(tbl_user_ModelView(tbl_user, db.session))
admin.add_view(talk_article_ModelView(talk_article, db.session))
admin.add_view(talk_detail_ModelView(talk_detail, db.session))
admin.add_view(talk_comment_ModelView(talk_comment, db.session))

# 创建应用程序

app.config["SECRET_KEY"] = 'TPmi4aLWRbyVq8zu9v82dWYW1'

app.register_blueprint(index_api)
app.register_blueprint(home_api)




if __name__ == '__main__':
    app.run(host="127.0.0.1", port=5000)  # 启动Flask项目



5、源码获取方式

🍅由于篇幅限制,获取完整文章或源码、代做项目的,查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来,点赞、关注不迷路,下方查看👇🏻获取联系方式👇🏻

文章来源:https://blog.csdn.net/vx_biyesheji0001/article/details/135706074
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。