当前位置：首页 > news >正文

基于Flask的微博话题多标签情感分析系统设计

news 2025/8/11 5:41:55

基于Flask的微博话题情感分析系统设计与实现

一、项目概述

本项目是一个轻量化的微博话题情感分析系统，通过Flask框架整合情感分析模型，实现对微博话题及评论的情感标签识别与结果展示。系统面向普通用户和研究者，提供简单易用的操作界面，支持输入话题和评论后快速获取对应的情感倾向（24种表情标签），并以可视化方式呈现分析结果。
在这里插入图片描述

项目目标

实现基于预训练模型的微博文本多标签情感识别
搭建Flask Web服务，支持用户通过网页交互完成分析流程
提供情感结果可视化展示与历史记录管理功能
确保系统在浏览器和移动设备上均能流畅运行

二、技术选型

核心技术栈

后端：Python 3.8+、Flask 2.0+（Web框架）
情感模型：Transformers库（预训练模型调用）、PyTorch（模型推理）
前端：HTML5、CSS3、JavaScript、Chart.js（数据可视化）
数据库：SQLite（用户数据与分析记录存储）
开发工具：VS Code、Postman（API测试）

三、系统设计

功能模块

用户交互模块
- 话题与评论输入界面
- 分析结果展示页面（含情感标签分布图表）
- 历史记录查询页面
情感分析模块
- 文本预处理（清洗、分词、格式转换）
- 预训练模型调用（加载、推理）
- 多标签情感结果解析
数据管理模块
- 用户分析记录存储与查询
- 情感标签数据维护
- 数据库连接与操作封装

核心代码示例

1. Flask后端API

from flask import Flask, request, jsonify, render_template
import torch
from transformers import BertTokenizer, BertForSequenceClassificationapp = Flask(__name__)
# 加载预训练模型与分词器
tokenizer = BertTokenizer.from_pretrained("bert-base-chinese")
model = BertForSequenceClassification.from_pretrained("./emotion_model", num_labels=24
)@app.route('/')
def index():return render_template('index.html')@app.route('/analyze', methods=['POST'])
def analyze():data = request.jsonhashtag = data.get('hashtag')comments = data.get('comments')text = f"{hashtag}[SEP]{'[SEP]'.join(comments)}"# 模型推理inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)outputs = model(**inputs)predictions = torch.sigmoid(outputs.logits).detach().numpy()[0]# 解析结果（筛选概率>0.5的标签）emotion_labels = ["微笑", "嘻嘻", "笑cry", ...]  # 24种标签result = {emotion_labels[i]: float(predictions[i]) for i in range(24) if predictions[i] > 0.5}return jsonify({"success": True, "result": result})if __name__ == '__main__':app.run(debug=True)

2. 前端结果可视化

<!-- 结果展示页面 -->
<div class="result-container"><h3>情感分析结果</h3><canvas id="emotionChart"></canvas>
</div><script>
// 使用Chart.js绘制情感分布饼图
function drawChart(emotions) {const ctx = document.getElementById('emotionChart').getContext('2d');new Chart(ctx, {type: 'pie',data: {labels: Object.keys(emotions),datasets: [{data: Object.values(emotions),backgroundColor: ['#FF6384', '#36A2EB', '#FFCE56', ...]}]}});
}
</script>