本项目为全新的2025升级版本。通过对微博的热门话题的微博内容爬取，可以挖掘在微博某一个话题下的评论的舆情情况，方法就是利用深度学习情感分析技术。本文系统使用的自己训练的bert深度学习模型，使用了vue来结合echarts开发，对数据进行了多种类型的图形可视化。
模块图
系统架构
（1）舆情分析与跟踪：针对爬取到的微博内容，可以根据深度学习情感分析结果进行各种分析，可以订阅关注的话题，就行跟踪，还可以对自己已经收藏的话题生成舆情word报告，查看各种类型微博比例和舆情发展趋势结果。
（2）内容分析功能： 对话题的观点、关键词、热度进行分析，利用多种图形来进行分析，针对微博内容提取观点，包括统计方法、tfidf、textrank等。
（3）全新可视化功能：全新改进的可视化界面效果，尤其在爬取时进行数据预处理加上后台SQL优化，系统响应极大提升。
登录与注册: 动态登录与注册界面
主页 : 显示微博话题卡片，显示舆情内容，可以点击查看话题下的微博内容和分析结果，可以点击话题订阅，订阅之后的话题可以在舆情跟踪中导出分析报告
数据大屏：以大屏分隔展示系统数据情况，话题的热度、消极内容比例等角度进行数据分析可视化
数据分析：话题舆情旭日图可查看话题的评论数量和情感分析分类情况、日历热点图不同时间段之评论之热度
词云分析 ：直接进行词云分析、分析文章和评论两种
情感分析：给出评论之情感分析，话题已卡片方式来呈现可以，那就可以看情感分析了,同时在话题的卡片中，也可以查看到对应评论的情感分析
关键词分析：某一个话题的观点分析、某一个话题的关键词分析，利用关键词接口来做，通过tf-idf和textrank两种算法返回关键词
舆情分析 ：基于深度学习Bert模型给出的情感分析结果，综合评价之后给出舆情，可以用卡片的方式给出根据或者图表， 在表格上，如果负面评价高于60%会显示红色，高于45%会显示橙色，低于45%会显示绿色
舆情跟踪：在这个界面下可以分析订阅的话题的舆情发展情况、积极、中性和消极的微博内容比例，同时可以导出舆情分析报告word版本。
话题搜索 ：以数据表格的形式展示评论
我的： 修改用户信息等
还可以使用管理员登录修改通知
基于scrapy的微博爬虫【2025版】
🟠 利用scrapy 开发的爬虫，支持根据关键词、时间、地区范围来爬取微博评论；
🟠 基于bert的情感分析模型，可以分析微博内容的积极、中性、消极倾向；
🟠 重复性处理、存储MYSQL；
BERT模型代码
