基于Python的微博网络舆情监控系统设计与实现

来源 :电脑编程技巧与维护 | 被引量 : 0次 | 上传用户:lxg19841130
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络和智能手机的发展,两微一端逐渐成为网络信息的主要渠道.为了更好地运用信息化手段提高网络舆情的管理,设计并实现微博网络舆情监控系统,开发了微博热搜舆情搜集、关键字舆情搜集、舆情筛选和舆情溯源等功能,极大地丰富了网络舆情搜集的手段,为网络舆情的分析与管理提供了帮助.
其他文献
在金融市场中,股票由于其收益性、流动性等特点吸引了众多投资者的目光,但需要注意的是影响股价的因素有很多,尤其值得关注的是企业本身的财务状况.为了更好地分析上市公司的财务状况与股价之间的关系,从某证券交易所的上市公司中随机抽取200家(不包含有ST公司),取2011-2020年间每个公司的经营现金流、每股收益、每股净资产这3项指标以及公司的股价,利用Eviews进行回归分析,并给出结论.
随着中医药行业的快速发展,中医药相关数字化资源急剧增加,传统的全文搜索引擎因专业性不够强、内容繁多等问题导致用户无法快速方便地找到所需信息.为此,设计并实现了一款面向中医药领域的垂直搜索引擎具有重要的意义和价值.采用Heritrix与Lucene等技术构建中医药垂直搜索引擎——杏林搜索,重点介绍了杏林搜索的设计与实现,包括网络爬虫模块、网页解析模块、索引库和Web端等.实际应用效果表明,杏林搜索可以为用户提供更加快速、专业的中医药资源检索服务.
K-means是一种无监督学习算法,基于数据对象之间的距离度量划分数据簇、欧氏距离等度量方法存在一些问题,比如离群点数据较多,算法准确度较低.互信息可以度量任意两个数据对象之间的互相包含程度,基于互信息改进K-means算法,可以更好地度量数据对象之间的距离,确保簇内高度相同和簇间高度相异,旨在解决离群点数据较多的情况下K-means算法准确度不高的问题.实验结果显示,与K-means算法、模糊K-means算法相比,改进K-means算法实验结果精确度达到了97.8%,该方法明显提高K-means算法的
为确保仅、β低本底测量仪测量的可靠性,对其影响因素进行了分析建模,并设计了仿真软件进行计算,所得数据与实验验证结果有很好的一致性.结果 表明影响α、β低本底测量仪测量可靠性最主要因素有仪器探测效率和样品测量,需提高样品测量过程中的精确度,减少制作质量-效率曲线时人为的操作误差.仿真软件可用于实验室α、β低本底测量仪测量及可靠性评估,能够提高测量的时效.