万朱浩 / Venue-Ops

[](https://github.com/666ghj/Weibo_PublicOpinion_AnalysisSystem/stargazers) [](https://github.com/666ghj/Weibo_PublicOpinion_AnalysisSystem/network) [](https://github.com/666ghj/Weibo_PublicOpinion_AnalysisSystem/issues) [](https://github.com/666ghj/Weibo_PublicOpinion_AnalysisSystem/graphs/contributors) [](https://github.com/666ghj/Weibo_PublicOpinion_AnalysisSystem/blob/main/LICENSE) [English](./README.md) | [中文文档](./README-CN.md)

🚀最新2.0版本已全面升级AI模式，欢迎体验！⬇️

微博舆情分析预测系统 是一个用于监控、分析和预测社交媒体平台（如微博）上的公众舆情趋势的社交网络舆情分析系统。该系统利用深度学习、自然语言处理（NLP）和机器学习技术，从大量社交媒体数据中提取有价值的舆情信息，帮助政府、企业及其他组织及时了解公众态度、应对突发事件并优化决策。📈

通过强大的数据采集与处理能力，微博舆情分析预测系统实现了实时数据收集、情感分析、话题分类和舆情预测等功能，确保用户能够在复杂多变的社交网络环境中获得准确、全面的舆情洞察。系统采用模块化设计，易于维护和扩展，旨在为用户提供一个高效、可靠的舆情分析工具，助力各类组织在信息化时代做出明智决策。

✨ 功能

• 实时数据采集：通过网络爬虫技术，从微博等社交平台实时获取用户生成内容。
• 数据清洗与处理：对采集到的数据进行预处理，包括分词、去停用词、表情符号和网址的去除等。
• 话题分类：利用机器学习和自然语言处理技术，对帖子和评论进行自动话题分类。
• 情感分析：分析文本中的情感倾向（正面、中性、负面），帮助理解公众情绪。
• 舆情监控与预测：实时监控舆情变化，并基于历史数据预测未来的舆情趋势。
• 数据可视化：通过图表和图形直观展示分析结果，便于用户理解和决策。
• 用户管理：提供用户注册、登录和会话管理功能，确保系统的安全性和个性化服务。

🚀 开始使用

按照以下步骤在您的系统上运行该项目。

前提条件

• Python 3.7 或更高版本
• MySQL 数据库
• Conda（可选，用于环境管理）
• 合法的微博账号（用于数据采集）
• 以下API密钥中至少需要一个（用于AI分析功能）：
  • OpenAI API密钥
  • Anthropic（Claude）API密钥
  • DeepSeek API密钥

安装步骤

1. 克隆仓库： ```bash git clone https://github.com/666ghj/Weibo_PublicOpinion_AnalysisSystem.git cd Weibo-Public-Opinion-Analysis-System

1. 创建并激活虚拟环境（可选）：

   conda create -n weibo_opinion_analysis python=3.8
   conda activate weibo_opinion_analysis

1. 安装依赖：

   pip install -r requirements.txt

1. 配置MySQL数据库：

• 运行 createTables.sql 创建所需的数据库表。
• 修改 config.py 中的数据库连接配置，确保与您的MySQL设置匹配。

1. 配置AI分析功能（可选）：

设置AI分析功能所需的环境变量：

   # OpenAI API配置（使用GPT模型必需）
   export OPENAI_API_KEY="你的openai密钥"

   # Anthropic API配置（使用Claude模型必需）
   export ANTHROPIC_API_KEY="你的anthropic密钥"

   # DeepSeek API配置（使用DeepSeek模型必需）
   export DEEPSEEK_API_KEY="你的deepseek密钥"

注意：至少需要配置一个API密钥才能使用AI分析功能。

支持的AI模型：

• OpenAI：GPT-3.5-Turbo、GPT-4
• Anthropic：Claude-3（Opus、Sonnet、Haiku）
• DeepSeek：DeepSeek-V3（deepseek-chat）、DeepSeek-R1（deepseek-reasoner）

1. 启动Flask应用：

   python app.py

1. 访问应用： 打开浏览器，访问 http://localhost:5000 以使用系统。

🛠️ 技术栈

微博舆情分析预测系统采用了一系列现代技术，以确保其高效性和可扩展性：

• Flask - 轻量级的Web应用框架。
• MySQL - 关系型数据库，用于存储采集和处理的数据。
• Scrapy - 强大的网络爬虫框架，用于数据采集。
• Jieba - 中文分词工具，用于文本预处理。
• SnowNLP - 中文自然语言处理库，用于情感分析。
• BERT - 预训练的语言模型，用于话题分类。
• Pandas - 数据分析和处理库。
• Matplotlib - 数据可视化库。
• Scikit-learn - 机器学习库，用于模型训练和评估。
• TensorFlow 或 PyTorch - 深度学习框架，用于高级模型开发。
• OpenAI GPT - 先进的语言模型，用于文本分析。
• Anthropic Claude - 智能AI模型，用于复杂文本分析。
• DeepSeek - 先进的中英双语AI模型。

🤝 贡献

我们欢迎您的贡献！以下是参与项目的步骤：

1. Fork 本仓库。
2. 创建您的功能分支 (git checkout -b feature/新功能)。
3. 提交您的更改 (git commit -m '添加新功能')。
4. 推送到分支 (git push origin feature/新功能)。
5. 打开一个 Pull Request。

请确保在提交之前运行所有测试，并遵循项目的编码规范。

📜 许可证

本项目采用 GPL-2.0 License 许可证 - 详情请参阅 LICENSE 文件。

🌟 支持一下

如果您喜欢这个项目，请在 GitHub 上给它一个星 ⭐！

📫 联系我们

有任何问题或建议，欢迎通过以下方式联系我们：

• GitHub Issues: 创建新问题
• 邮箱: 670939375@qq.com

✨ 贡献者

感谢以下这些优秀的贡献者：