包含微博爬虫、LDA主题分析、情感分析、时空协同分析四个部分。
流程图
1.微博爬虫
实现微博评论爬取和微博用户信息爬取，一天大概十万条。
2.LDA主题分析
实现文档主题抽取，包括数据清洗及分词、主题数的确定（主题一致性和困惑度）和最优主题模型的选择（暴力搜索）。
3.情感分析
实现评论文本的情感值计算，准确率超过97%，处于0到1之间。
4.话题热度计算
实现话题的热度的计算，同一时间内总和为1.
5.主题相似度计算
实现两个相邻时间片的话题的演化探测，以判断主题演化情况。
6.地图绘制
实现分省市情感均值、评论总数、新增确诊人数的地图可视化。
## Star History
[](https://star-history.com/#stay-leave/weibo-public-opinion-analysis&Date)
资料代码.zip （39个子文件） 
-main heat calculation 
热度_1.py 2KB 热度_2.py 673B 热度_3.py 2KB Readme.md 189B topic similarity w2v.model 17.65MB word2vc.py 587B 主题余弦相似度.py 3KB Readme.md 306B map Number of new employees.py 1KB Emotional mean.py 2KB
新增.xlsx 11KB Comment mean.py 2KB Readme.md 539B emotional analysis 多日期降维.py 514B
负向语料.txt 134KB 情感分析_API版.py 5KB 修改日期格式.py 2KB 情感分析_SDK版.py 3KB 折线图绘制.py 1KB 正向比重.py 3KB README.md 756B 正向语料.txt 35KB weibo-crawler data cleaning.py 9KB comment crawler.py 6KB comments-crawler_random.py 7KB 停用词表.txt 24KB comments-crawler_random（仅针对去年的评论）.py 7KB README.md 2KB user information crawler.py 4KB requirement.txt 79B README.md 2KB LDA 自建词表.txt 80KB 近义词表.txt 179B 分词处理.py 3KB LDA+超参.py 8KB excelתtxt.py 4KB 停用词表.txt 24KB README.md 240B LDA.py 5KB资源评论
