为了充分考虑微博的跨领域与领域交叉性特点,提出了基于领域的微博用户影响力的计算方法.该方法依据用户的微博内容与ODP领域本体的相似度,通过KNN领域分类算法判别微博所属的领域;并根据用户的粉丝数、被提及数、被评论数、在线时间与注册时间、微博的转发数等参数运用影响力计算公式分别计算用户在各领域的影响力,从而确定微博用户在各领域的影响力大小.实验表明,本文的计算方法充分考虑了微博的跨领域性与领域交叉性特点,并能更好地计算用户在各领域的影响力大小.

西门子博图TIA V13 最新授权文件，绝对好用!

基于情感词典与机器学习对微博新闻评论的情感分析 计算社会学：基于NLP技术的新冠疫情下的社会心态研究

无名轻博客博是一款基于PHP和Sqlite平台的简单易用的个人微博系统(MicroBlog)。致力于为您提供快速、稳定，且在使用上又极其简单、舒适的微博服务。 使用前请修改密码,默认密码：admin 配置文件：app/class/config.php 无名轻博客 v3.0 正式版 更新日志 设置微博座右铭与描述分开 微博昵称用于回复 自动第一张图缩略图 视频自适应 私密描述逻辑修改 评论增加网址字段 收到评论微信提醒 增加浏览量 增加安装程序，使用更方便。

html+css+Jquery+javascript完成，实现界面背景图的切换，导航栏的切换显示与隐藏，内部切换不同内容盒子，图片手风琴效果等，详情请看故国博物馆官网，前端效果基本实现

ASP微博系统官方版 v2.0 系统介绍： ASP经典微博系统是一款非常不错的微博系统程序，微博系统的代码简单易懂，而且基本实现了一般的微博系统功能，喜欢的朋友可以下载学习看看。 安装说明： 管理员用户名:admin 密码:admin888 请将shangbo文件夹上传至空间即可。 shangbo为子目录 访问方式： http://您的域名/shangbo 如果要放在根目录用域名直接访问请自行修改config.asp进行设置 说明： ASP商博系统 敬请保留会展之窗链接 免费版本，仅供学习，不提供任何技术支持。

利用500万条微博语料对微博评论进行情感分析-附件资源

中职组网络安全p9网页版，购买后私聊博主给到教程

软件架构说明 后台：Django、数据库：MySQL8、数据可视化：Pyecharts、情感分析：SnowNLP、分词处理：Jieba 功能实现： （1）话题广场舆论监控模块 实时监控新出现的热点话题：由于微博平台具有数据量大、信息碎片化严重、用户质量良莠不齐、信息传播快等特性，通过人工方式无法进行有效的舆情分析。 监测微博舆情采用技术性方式，一方面能够确保信息监测的全面性，另一方面能够提升舆情信息监测搜索的效率。 微博舆情监测的实现过程是，每日定时、周期性地对微博进行网页抓取后，对其你内容实行解析后保存到数据库或者特定格式的文件中，再通过用户设定的关键词库对采集的数据进行关键词集过滤，由此获得敏感舆情信息文本返回给用户界面。系统还应对收集的信息进行自然语言处理，从而识别到热点话题和热门事件。 （2）热点话题排名模块 对当前时间段以及指定时间段的热点话题进行热度排名：定期对微博热搜榜单进行爬取，将获取的热搜信息和热度等信息保存到本地，然后绘制排名情况，并在后面的数据可视化中进行展示 （3）实时热度追踪模块 对热点话题的热度进行追踪并记录热度变化情况 （4）微博用户数据分析模块 微博主页内容的采集、获取TA的粉丝与关注者列表并进行画像分析：针对指定的微博用户，例如某明星进行该用户发的微博进行爬取，并且对该微博的转发、点赞、评论信息进行爬取，并保存到本地，然后分析该用户微博的主要受众，针对受众再进行画像分析。 （5）文本可视化模块 对热点话题制作词云图、对热门评论制作词云图：从微博热搜话题中爬取相关话题后，对带有热搜关键字的微博进行爬取并保存这些内容到本地，然后调用Wordcloud模块进行词云图的分析和绘制 （6）数据可视化模块 热点话题热度情况的可视化、微博用户粉丝数量变化、单条微博转赞评数量的可视化：使用pyecharts模块，pyecharts 是一个用于生成 Echarts 图表的类库。echarts是百度开源的一个数据可视化 JS 库，主要用于数据可视化。pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与 Python 的对接。 使用 pyecharts可以生成独立的网页，也可以在 flask , Django中集成使用。 （7）数据导出模块 将爬取的数据导出到为Excel、txt、pdf等格式

weibo_predict 本项目是采用Python语言结合机器学习中的常用算法来对微博传播过程中的转发数进行预测。 主要做的工作有： 1.分别从微博转发广度和转发深度两个方面来对微博进行预测； 2.并对传播过程中可能出现峰值的时刻进行了预测研究； 3.通过对算法的改进使得算法的预测准确率得到了一定的提升； 4.通过使用图的方式来更直观的对比显示各算法之间的优劣性；