毕业设计：基于python微博舆情分析系统+可视化+Django框架 K-means聚类算法（源码）✅

本文介绍: 毕业设计：基于python微博舆情分析系统+可视化+Django框架 K-means聚类算法（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：
Python语言+Django框架+数据库+jieba分词+ scikit_learn机器学习（K-means聚类算法）+情感分析 snownlp

2、项目界面

（1）微博舆情分析

在这里插入图片描述

（2）情感分析可视化

在这里插入图片描述

（3）微博数据浏览

在这里插入图片描述

（4）评论前十

在这里插入图片描述

（5）K-Means聚类分析

（6）注册登录界面

在这里插入图片描述

3、项目说明

1、所用技术
Python语言+Django框架+数据库+jieba分词+
scikit_learn机器学习（K-means聚类算法）+情感分析 snownlp

微博舆情分析系统是基于Python语言和Django框架开发的，使用了数据库存储数据，并利用jieba分词进行中文文本的分词处理。系统还集成了scikit_learn机器学习库中的K-means聚类算法，以及snownlp库进行情感分析。

该系统的主要功能是对微博中的舆情进行分析和评估。用户可以通过系统上传微博数据，并进行分词处理和情感分析。系统会自动将微博数据进行分词，并根据分词结果进行情感分析，判断微博的情感倾向（积极、消极或中性）。同时，系统还会利用K-means聚类算法对微博进行聚类，将相似主题的微博归为一类。

在系统的界面上，用户可以查看微博的分词结果、情感分析结果以及聚类结果。用户还可以通过系统提供的搜索功能查找特定的微博，以及按照情感倾向或聚类类别进行筛选和排序。

微博舆情分析系统的应用范围广泛，可以帮助企业、政府等机构了解公众对特定事件、产品或政策的态度，从而进行舆情监测和管理。同时，该系统也可以用于学术研究领域，帮助研究人员对社会舆情进行分析和研究。

4、核心代码



###首页
@check_login
def index(request):
    # 话题列表
    topic_raw = [item.topic for item in WeiBo.objects.all() if item.topic]
    topic_list = []
    for item in topic_raw:
        topic_list.extend(item.split(','))
    topic_list = list(set(topic_list))
    # yon用户信息
    uid = int(request.COOKIES.get('uid', -1))
    if uid != -1:
        username = User.objects.filter(id=uid)[0].name
    # 得到话题
    if 'key' not in request.GET:
        key = topic_list[0]
        raw_data = WeiBo.objects.all()
    else:
        key= request.GET.get('key')
        raw_data = WeiBo.objects.filter(topic__contains=key)
    # 分页
    if 'page' not in request.GET:
        page = 1
    else:
        page = int(request.GET.get('page'))
    data_list = raw_data[(page-1)*20 : page*20     ]
    return render(request, 'index.html', locals())
# 情感分类
def fenlei(request):
    from snownlp import SnowNLP
    # j = '我喜欢你'
    # s = SnowNLP(j)
    # print(s.sentiments)

    for item in tqdm(WeiBo.objects.all()):
        emotion = '正向' if SnowNLP(item.content).sentiments >0.45 else '负向'
        WeiBo.objects.filter(id=item.id).update(emotion=emotion)
    return JsonResponse({'status':1,'msg':'操作成功'} )



# 登录
def login(request):
    if request.method == "POST":
        tel, pwd = request.POST.get('tel'), request.POST.get('pwd')
        if User.objects.filter(tel=tel, password=pwd):

            obj = redirect('/')
            obj.set_cookie('uid', User.objects.filter(tel=tel, password=pwd)[0].id, max_age=60 * 60 * 24)
            return obj
        else:
            msg = "用户信息错误，请重新输入！！"
            return render(request, 'login.html', locals())
    else:
        return render(request, 'login.html', locals())

# 注册
def register(request):
    if request.method == "POST":
        name, tel, pwd = request.POST.get('name'), request.POST.get('tel'), request.POST.get('pwd')
        print(name, tel, pwd)
        if User.objects.filter(tel=tel):
            msg = "你已经有账号了，请登录"
        else:
            User.objects.create(name=name, tel=tel, password=pwd)
            msg = "注册成功，请登录！"
        return render(request, 'login.html', locals())
    else:
        msg = ""
        return render(request, 'register.html', locals())

# 注销
def logout(request):
    obj = redirect('index')
    obj.delete_cookie('uid')
    return obj

# 微博可视化
@check_login
def plot(request):
    """
    折线图   每月发表数
    柱状图   每日发表微博前20
    饼图  正负向
    柱状图  评论前十
    """
    uid = int(request.COOKIES.get('uid', -1))
    if uid != -1:
        username = User.objects.filter(id=uid)[0].name
    #1 折线图   每天发布微博折线图
    raw_data = WeiBo.objects.all()
    main1 = [item.time.strftime('%Y-%m-%d') for item in raw_data]
    main1_x = sorted(list(set(main1)))
    main1_y = [main1.count(item) for item in main1_x]