大数据毕业设计:python高校微博舆情分析可视化系统 NLP情感分析 可视化 Flask框架 爬虫(源码)✅

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:

Flask框架、vue前端框架、Echarts可视化、requests爬虫、snownlp自然语言情绪值分析、hanlp做文字符号处理、numpy、pandas做数据分析处理,mysql数据库,SQLAlchemy用作ORM框架

微博舆情分析系统,项目后端分爬虫模块、数据分析模块、数据存储模块、业务逻辑模块组成。先后进行了数据获取和筛选存储,对存储后的数据库数据进行提取分析处理等操作,得到符合需要的结构化数据,将处理后的数据根据需要进行分析,得到相关的可视化数据,然后提供对应的接口给前端页面,显示在项目的前端页面中。使用flask进行整个项目框架的构建,爬虫部分模块使用requests官方依赖库进行数据获取,根据微博公开的api接口获取结构化json数据,然后使用pandas对数据进行筛选,处理和分析。

2、项目界面

(1)各地区舆情统计分析

在这里插入图片描述

(2)热门舆情话题分析

在这里插入图片描述

(3)话题分类占比分析

在这里插入图片描述

(4)舆情评论分析

在这里插入图片描述

(5)高校舆情分析

在这里插入图片描述

(6)数据库数据

在这里插入图片描述

3、项目说明

微博舆情分析系统,项目后端分爬虫模块、数据分析模块、数据存储模块、业务逻辑模块组成。先后进行了数据获取和筛选存储,对存储后的数据库数据进行提取分析处理等操作,得到符合需要的结构化数据,将处理后的数据根据需要进行分析,得到相关的可视化数据,然后提供对应的接口给前端页面,显示在项目的前端页面中。使用flask进行整个项目框架的构建,爬虫部分模块使用requests官方依赖库进行数据获取,根据微博公开的api接口获取结构化json数据,然后使用pandas对数据进行筛选,处理和分析。

4、核心代码


import json
from datetime import date, timedelta, datetime
from flask import Flask, session, jsonify, request
from database.config import db, SQLALCHEMY_DATABASE_URI
from model.User import User
from analysis import calculate
app = Flask(__name__)
app.config["SQLALCHEMY_DATABASE_URI"] = SQLALCHEMY_DATABASE_URI
app.config["TEMPLATES_AUTO_RELOAD"] = True
app.config["SECRET_KEY"] = 'weibo_topic'
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False
db.init_app(app)


@app.before_first_request
def create_tables():
    db.create_all()


@app.route('/recently', methods=['POST'])
def recently_topic():
    """
    最近的本周舆情分析
    1.舆情指数
    2.舆情热搜分析
    :return:
    """
    params = request.get_json()
    dateTime = '2022-5-11T01:10:01'
    dt = datetime.strptime(dateTime, '%Y-%m-%dT%H:%M:%S').date()
    data1 = calculate.weekly_hot_topic(dt=dt)
    data2 = calculate.weekly_topic_total(dt=dt)
    result = {'code': 20000, 'amount': data2, 'topics': data1}
    return jsonify(result)


@app.route('/wordCloud', methods=['POST'])
def weekly_wc():
    """
    热搜话题图谱
    :return:
    """
    data = calculate.weekly_word_cloud()
    result = {'code': 20000, 'data': data}
    return jsonify(result)


@app.route('/category', methods=['POST'])
def category():
    """
    类别占比分析
    1.舆情话题的周类别分析
    2.正负舆情对比分析
    :return:
    """
    param = request.get_json()
    dateTime = param['datetime']
    dateTime = dateTime.split('.')[0]
    dt = datetime.strptime(dateTime, '%Y-%m-%dT%H:%M:%S').date()
    data = calculate.weekly_topic_category(mode='week', dt=dt)
    result = {'code': 20000, 'data': data}
    return jsonify(result)


@app.route('/pop', methods=['POST'])
def pop():
    """
    正负舆情对比分析
    :return:
    """
    param = request.get_json()
    dateTime = param['datetime']
    dateTime = dateTime.split('.')[0]
    dt = datetime.strptime(dateTime, '%Y-%m-%dT%H:%M:%S').date()
    # print('pop cal')
    data = calculate.PositiveOrPassive(dt=dt)
    return jsonify({'code': 20000, 'data': data})


@app.route('/region', methods=['POST'])
def region():
    """
    舆情地区统计
    :return:
    """
    param = request.get_json()
    dateTime = param['datetime']
    dateTime = dateTime.split('.')[0]
    dt = datetime.strptime(dateTime, '%Y-%m-%dT%H:%M:%S').date()
    data = calculate.weekly_topic_region(dt=dt)
    return jsonify({'code': 20000, 'data': data})


@app.route('/uni_param', methods=['POST', 'GET'])
def getUniversityParam():
    """
    获取高校参数信息
    :return:
    """
    data = calculate.getUniversityParam()
    result = {'code': 20000, 'data': data}
    return jsonify(result)


@app.route('/comment', methods=['POST'])
def commentAnalysis():
    """
    评论分析
    :return:
    """
    params = request.get_json()
    topic = params['topic']
    data = calculate.getCommentData(topic)
    result = {'code': 20000, 'data': data}
    return jsonify(result)


@app.route('/university', methods=['POST'])
def query_university():
    """
    搜索大学热搜
    显示该学校的热门话题
    返回指定高校的热搜数据
    :return:
    """
    param = request.get_json()
    name = param['name']
    data = calculate.getTopicByUniversity(name)
    result = {'code': 20000, 'data': data}
    return jsonify(result)


@app.route('/logout', methods=['POST'])
def logout():
    """
    注销
    """
    session.clear()
    data = {'data': '', 'code': 20000}
    return jsonify(data)


@app.route('/info', methods=['GET', 'POST'])
@app.route('/login', methods=['GET', 'POST'])
def login():
    data = request.get_json()
    if (request.method == 'GET') and (session.get('userid') is not None):
        user = User().userinfo(userid=session['userid'])
        data = {'data': user.serialize(), 'code': 20000}
        return jsonify(data)
    if request.method == 'POST':
        user = User()
        user = user.valid_login(username=data['username'], password=data['password'])
        if user:
            session['user'] = str(user.username)
            session['userid'] = str(user.id)
            data = {'data': user.serialize(), 'code': 20000}
            return jsonify(data)
        else:
            data['error'] = '错误的用户名或密码!'
    return data


@app.route('/')
def hello_world():
    return 'Hello World!'


if __name__ == '__main__':
    app.run()



5、源码获取

🍅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👇🏻

  • 27
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Python的招聘信息可分析系统是一种面向招聘公司和求职者的信息分析工具。该系统通过对招聘网站上的招聘信息进行爬取和数据清洗,然后利用Python中的数据分析和可库对这些信息进行统计和展示,帮助用户更好地了解当前的招聘市场和就业趋势。 系统主要包括以下功能:首先,通过Python编写网络爬虫程序,对各大招聘网站上的招聘信息进行抓取,并将数据存储到数据库中。其次,利用Python中的数据分析库(如Pandas、Numpy等)对这些数据进行处理和分析,包括对不同岗位、行业、地区等维度的招聘数量、薪资水平、任职要求等进行统计和分析。最后,利用数据可库(如Matplotlib、Seaborn、Plotly等)对分析结果进行可展示,以图表、地图等形式直观地呈现出招聘市场的概况和趋势。 针对毕业设计,可以进一步加入一些高级功能,比如对招聘信息的自然语言处理分析,实现对职位描述的自动分类和关键词提取;或者将系统部署到web平台上,实现在线数据展示和交互查询的功能。同时,还可以考虑与其他领域的数据进行结合,比如结合经济数据、人口数据等,分析不同因素对招聘市场的影响。 通过这样一个基于Python的招聘信息可分析系统,用户可以更直观地了解目前的招聘市场趋势,为求职和招聘提供数据支持和决策参考。同时,也为Python和数据分析在人力资管理领域的应用提供了一个范例。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值