【青岛恒星科技学院毕业论文】高校网络舆情监控系统的设计与实现_网络舆情相关技术研究或系统实现

作者：小丑西瓜9 | 2024-04-23 12:27:59

踩

网络舆情相关技术研究或系统实现

摘要

随着网络的广泛使用，网络平台已成为大学生发表观点和交流的重要平台。高校学生通过网络所形成的网络舆情群体，在社会舆情的生成与传播中发挥着越来越大的作用，需要对其进行有效的规制。针对目前需要加强对高校网络言论的监管这一现实需求，本论文设计了一套以互联网为基础的高校舆情分析系统，旨在通过对网络舆情的动态监控，来实现对网络舆情的有效监控和正确引导。通过对高校网络舆情分析系统的研究与开发现状的分析与总结，以及对一些网络舆情分析系统的关键技术的分析，结合高校网络舆情分析系统建设的实际需要，本文主要做了如下工作：

（1）详细分析了高校对网络舆论监测的需要，并在此基础上，提出了一个完整的舆论监测体系结构。根据功能需求分析的结果，对各模块进行了设计，将系统划分为采集模块、预处理模块、分析模块和管理模块四大模块。在此基础上，采用 MySQL作为后台数据库，对网络舆情信息进行了数据库的设计。

（2）本系统对舆情信息预处理，对舆情分析算法进行了研究与实现。本系统以大学网络舆情为对象，通过建立情绪字典，研究并实现情绪倾向识别算法。

（3）利用 Python开发了一套面向大学的网上舆论监控系统，并完成了其主要功能，可以对大学网上舆论监控进行初步的监控和分析。对该系统进行了实验，实验证明，该系统满足了设计要求，满足了设计要求。论文所做的工作，将为构建一个更加完善的大学网络舆情分析系统奠定坚实的基础。

关键词：高校网络舆情监控系统；Python；MySQL

3.1.1功能性需求分析

要明确用户对该系统的功能要求，就需要对系统进行需求分析。高校网络舆情监控系统的总是便于用户对高校网络舆情的监察与控制，根据以上需求，本系统主要功能如下：

（1）信息采集

通过百度贴吧提供的信息，建立信息数据库，删除广告、图片等不相关的信息，对有效文本的提取，对特定词语的权重计算等。

（2）检索与分析

对舆情信息源地址的检索，对一些特定关键词的检测，通过时间与数量的关系形成特定数据图，舆情感情分析。

（3）舆情信息的管理

对话题舆情数据信息和评论舆情数据信息的增加、删除、修改、查找和对用户信息的管理。

3.1.2 非功能性需求分析

（1）可扩展性

本系统设计是基于当前所需的功能。为适应未来实际需求的变化，并为未来功能提供更方便的扩展和维护，考虑系统扩展问题。向现有数据库添加功能时，现有框架和系统功能点不会受到过多的影响。

（2）稳定性

网络舆情监控管理系统在高校的使用非常广泛。为该系统能够在任何形况下能正常运行，所以系统的结构必须稳定、可靠、同时效率必须高效。在满足以上的同时还需要提高用户使用的舒适度，以确保用户的高度依赖。

（3）易用性

高校网络舆情监控管理系统是为了提升话题舆情数据的使用率开发，因此系统的高效易操作就非常重要，这样就避免一些用户因不熟悉系统而产生的误操作导致一些其他意外事件的可能，满足这些的同时还要做到界面的美观，从而提高用户的体验感。

（4）流畅性

判断一个系统的好坏最主要的一点就是从它的流畅性来观察，因此系统的流畅性是非常重要的，想要一个好的流畅性，需要考虑的地方非常多，不仅要排除系统运行中所有的阻碍，还需要优化代码运行效率，各个包之间的合理算法等，通过这些来提高用户用户与系统交互时的一个响应速度，让用户在使用系统时有一个最佳的感觉。

（5）安全性

由于该高校网络舆情监控管理系统所有浏览器都可以使用，因此，这个应用程序必须建立安全机制和权限设置，以确保数据的安全性，并防止未经授权的操

4.2 系统模块构架

本文系统功能主要包括用户信息管理、话题舆情数据管理和评论舆情数据管理。用户信息管理主要完成对注册用户的账户密码进行管理；话题舆情数据管理主要完成对话题舆情进行增加、修改、删除或查找；评论舆情数据管理主要完成对话评论舆情进行增加、修改、删除或查找。系统模块框架如图4-1所示。

图4-1系统模块框架图

第5章系统实现

5.1 注册模块

注册界面可以记录用户的注册信息，用户在注册过程中填写的个人信息都会被保存下来，当用户再次登录系统时，系统会根据用户之前注册时的个人信息自动获取新的信息，也就是把用户在注册过程中填写的所有内容都保存到数据库中。如图5-1所示。

图5-1 用户注册流程图

5.4 可视化模块

当进入可视化界面之后，用户可以看到一系列的分析信息。首先是以话题的种类与回复数量之间的关系为基础，制作了一张条形图。在条形图中，可以看到一个话题有多少人回复，回复多少条。这对于了解一个话题的受欢迎程度有很大帮助。然后是以词云为基础，对情感占比进行了一次分析，通过词云中的情感词，可以看出网友对于某一话题的态度以及该话题中不同情感词所占的比例。最后折线图是以一天为时间段，根据发布话题数量的变化绘制而成的。具体界面如如图5-4所示：