标题：Django+Vue 某具体社会热点事件的网络舆情分析系统

一、系统架构设计

1. 技术栈

   • 前端：Vue 3 + ECharts + D3.js（舆情图谱可视化）

   • 后端：Django + Celery（异步任务） + Django REST Framework

   • NLP核心：BERT微调（情感分析） + LDA（主题发现）

   • 大数据：Elasticsearch（全文检索） + Spark（离线计算，可选）

   • 数据库：MySQL（结构化数据） + MongoDB（非结构化文本）

2. 舆情分析流程

   图表

   代码

二、核心功能模块

1. 数据采集与治理

• 数据来源

  • 微博话题/评论（API+爬虫）

  • 新闻网站报道（标题+正文）

  • 短视频平台弹幕/评论（可选）

• 数据治理

  • 去重（相似文本合并）

  • 去噪（广告、水军评论过滤）

  • 实体识别（人物、机构、地点）

2. 分析引擎

• 情感分析

  • 细粒度分类（愤怒/担忧/支持等6类情绪）

  • 情绪演化追踪（结合时间线）

• 传播分析

  • 传播路径图谱（关键节点识别）

  • 传播速度计算（爆发期/衰退期）

• 主题发现

  • 突发话题检测（高频词突变）

  • 观点聚类（支持/反对/中立）

3. 可视化系统

• 舆情总览看板

  • 实时情绪热力图（地理分布）

  • 传播网络力导向图

  • 话题演化桑基图

• 深度分析视图

  • 媒体立场对比雷达图

  • KOL影响力排行榜

  • 敏感内容词云

4. 预警机制

• 三级预警体系（蓝/黄/红）

• 触发条件：

  • 负面情绪占比突变（>30%）

  • 敏感话题集中出现

  • 传播速度异常加速

三、数据库设计（关键表）

四、创新点与毕业设计亮点

1. 领域创新

   • 结合事件生命周期的四阶段分析模型（发酵→爆发→衰退→沉淀）

   • 多模态数据融合（文本+图片OCR情感分析，可选）

2. 技术亮点

   • 基于PageRank算法的关键传播节点识别

   • 动态主题建模（DTM）追踪话题演变

3. 社会价值

   • 提供舆情干预建议（如针对负面情绪集中的区域）

   • 识别虚假信息传播模式

五、扩展方向（可选）

• 跨平台对比：微博/微信/抖音舆情差异分析

• 境外舆情：多语言情感分析扩展

• 应急响应：自动生成舆情处置预案

六、交付物建议

1. 系统设计文档

   • 舆情分析指标体系（含计算公式）

   • 预警规则详细说明

2. 样例数据集

   • 某社会事件的1000+条多平台数据（脱敏）

3. 可视化原型

   • 交互式舆情图谱设计稿

4. 毕业论文重点

   • 第4章 社交媒体传播特征量化方法

   • 第5章 系统在XX事件中的实际应用验证

代码实现：