"""

基于B站视频评论信息的采集与分析

1. 毕业设计任务书概述

1.1 选题背景

1.1.1 B站的发展与影响力

• B站（哔哩哔哩）是中国领先的年轻人文化社区，拥有庞大的年轻用户群体。
• 作为二次元文化的聚集地，B站的视频内容多样，包括动画、游戏、音乐、舞蹈等。
• B站的弹幕评论系统是其特色之一，用户可以在视频播放时发表实时评论。

1.1.2 视频评论数据的价值

• 评论数据反映了用户的观点和情感，是分析用户行为和偏好的重要依据。
• 通过分析视频评论，可以了解用户对视频内容的满意度、讨论的热点话题等。
• 视频评论数据对于视频内容的创作者和平台运营者具有重要的参考价值。

1.2 设计目标与任务

1.2.1 设计目标

• 采集B站视频评论信息，包括评论内容、点赞数、发布时间、用户信息等字段。
• 对采集到的数据进行分析和可视化，以提供用户对视频评论的了解和洞察。

1.2.2 分析任务

• 热门视频评论情感分析：根据采集到的视频评论内容，使用情感分析算法对评论进行分类，分析热门视频评论的情感倾向，了解观众的反馈和情绪。
• 评论数量与点赞数关系分析：对采集到的视频评论数据中的评论数量和点赞数字段进行统计，探讨评论数量与点赞数之间的关系，分析受欢迎评论的特征。
• 用户活跃度分析：通过对评论数据中的用户信息进行统计，分析用户的评论频率、互动情况等指标，了解用户的活跃程度和参与度。
• 关键词分析：对采集到的评论内容进行关键词提取和词频统计，找出热门视频评论中频繁出现的关键词，帮助用户了解评论的话题和关注点。
• 用户评论行为分析：根据采集到的用户信息，分析用户的评论习惯、评论长度、评论时间等行为特征，了解用户的评论行为模式。
• 评论趋势分析：根据采集到的评论数据中的发布时间字段，分析评论数量随时间的变化趋势，探讨评论的热度和趋势变化。
• 用户地域分析：通过分析用户之间的地址等信息，构建用的地域分析，探索视频的地域影响力。

1.2.3 可视化任务

• 热门视频评论情感可视化：利用情感分析结果，绘制情感倾向的饼图或柱状图，展示热门视频评论中不同情感类型的占比情况，帮助用户观察观众的情绪反馈。
• 评论数量与点赞数关系可视化：通过散点图或气泡图等可视化工具，将评论数量和点赞数进行可视化，帮助用户观察评论数量与点赞数之间的关系。
• 用户活跃度可视化：使用柱状图或折线图等可视化图表，展示用户评论频率、互动次数等指标，帮助用户了解用户的活跃程度和参与度。
• 关键词云图可视化：利用词云图可视化工具，展示热门视频评论中频繁出现的关键词，帮助用户快速了解评论的话题和关注点。
• 用户评论行为可视化：通过绘制柱状图或饼图等可视化图表，展示用户评论长度、评论时间分布等信息，帮助用户观察用户的评论行为特征。
• 评论趋势可视化：利用折线图或面积图等可视化工具，展示评论数量随时间的变化趋势，帮助用户观察评论的热度和趋势变化。
• 用户地域分布可视化：使用地图可视化工具，绘制用户地域分布关系，突出显示影响力较大的地域，帮助用户观察视频地域分布情况。

1.3 实施步骤和方法

1.3.1 实施步骤

• 确定选题：学生进入企业顶岗实习，在企业师傅指导下，结合企业具体情况选定题目，由校内指导老师向学生下达《毕业设计任务书》。
• 调查研究：以给定任务和题目为中心，完成数据采集,技术选择等工作。
• 分析过程：
  • 分析整理数据，在校内和企业指导老师共同指导下，形成分析思路。
  • 针对分析思路,编写代码、测试以及运行结果。
  • 针对所得结果完成可视化图表。
  • 从数据分析的结果中发现问题或得到结论并编写分析报告，并说明引发这个结果的原因，给出解决的方案或合理的建议。

1.3.2 调研方法

• 文献、资料查阅法：通过查阅相关的文献和资料，了解B站的发展历史、用户特征、视频内容类型等背景信息。
• 对比分析法：对比分析不同视频类型的评论数据，找出其中的差异和规律。

1.4 进度安排

• 2023年11月：指导老师下达毕业设计任务书，学生进行毕业设计选题。
• 2023年12月：学生根据任务书，收集相关资料与数据，完成数据采集，技术选择等前期工作，指导老师对学生的毕业设计方案进行审阅并指导修改。
• 2024年1月至2024年4月：学生完成相关代码编写，绘制可视化图表，编写分析报告，上交给指导老师审阅。
• 2024年4月至2024年5月：学生根据指导老师的审阅意见，修改毕业设计作品相关资料并进行定稿。
• 2024年5月：总结、准备资料，参加答辩。

1.5 预期成果及表现形式

• 爬取的原始数据(不超过1G)
• 分析代码(包括爬虫代码,分析代码,可视化代码)
• 答辩演示文稿
• 毕业设计文档

1.6 参考资料

• 李琴,李宇航,定会.基于Python的电商产品评论数据分析方法探讨[J].信息记录材料,2022,23(5):82-84.
• 成文莹,李秀敏.基于Python的电影数据爬取与数据可视化分析研究[J].电脑知识与技术：学术版,2019,15(11):8-10.
• 辛雨璇,王晓东.基于文本挖掘的电影评论情感分析研究[J].牡丹江师范学院学报：自然科学版,2021(1):25-28.
• 冯艳茹.基于Python的网络爬虫系统的设计与实现[J].电脑与信息技术,2021,29(6):47-50.
• 孙梦薇,姚渝琪.关于Python爬虫在网页信息统计中的应用探讨[J].电子世界,2020(9):60-61.
• 罗春.基于网络爬虫技术的大数据采集系统设计[J].现代电子技术,2021,44(16):115-119.
• 钱贝贝,陈志波.基于Python爬虫的音乐数据可视化分析[J].电脑知识与技术：学术版,2022,18(8):6-8.
• 蔡文乐,周晴晴,刘玉婷,秦立静.基于Python爬虫的豆瓣电影影评数据可视化分析[J].现代信息科技,2021,5(18):86-89.

1.7 指导老师意见

• 同意实施

签名(章)：

2023 年 12 月 05 日

1.8 教研室审核意见

• 同意实施

签名(章)：

2023 年 12 月 10 日

1.9 二级学院（系）审核意见

• 二级学院（系）盖 章

2023 年 12 月 25 日

说明：此表一式两份，指导教师和学生各留存一份。 """