基于 Python Flask 和 朴素贝叶斯模型 构建的轻量级校园舆情分析系统，用于模拟对校园论坛、社交媒体文本的情感倾向分析，并提供可视化仪表盘。
- 全网贴文总量统计
- 情感倾向分布（积极/中立/消极）饼图
- 24 小时舆情热度趋势
- 数据来源统计
- 输入文本即可获得即时情感判定
- 三类情感的概率可视化
- 自动提取文本关键词
- 内置爬虫模拟器
- 自动生成带时间戳、来源、情感标签的模拟校园贴文数据
- 使用 TF-IDF + MultinomialNB（朴素贝叶斯）
- 针对校园语料场景进行了特化训练（如“芙蓉隧道”“选课”“食堂”）
.
├── app.py # Flask 后端主程序 (API & 静态文件托管)
├── index.html # 前端单页面 (Tailwind CSS + Chart.js)
├── model_train.py # 模型训练脚本
├── spider.py # 数据生成/模拟爬虫脚本
├── database.db # SQLite 数据库
└── models/
└── sentiment_nb.pkl # 训练好的情感分析模型
确保安装 Python 3.8+，并执行：
pip install flask flask-cors jieba scikit-learn joblib numpy严格按顺序运行以下脚本：
python model_train.py脚本将在 models/ 目录生成 sentiment_nb.pkl 模型文件。
python spider.py运行后输入需要生成的数据条数（推荐：1000）。
脚本将自动创建 database.db 并使用模型进行情感标注。
python app.py如看到输出：
🚀 舆情系统后端已启动...
说明服务已运行在：
浏览器打开：
你将看到仪表盘和“舆情内容实时检测”区域。
| 接口路径 | 方法 | 描述 |
|---|---|---|
/api/dashboard |
GET | 获取仪表盘数据（总数、来源、情感分布、趋势） |
/api/analyze |
POST | 输入 {text:"内容"} 返回情感分类、概率、关键词 |
- 积极：厦门大学是最美校园，芙蓉湖太漂亮了，爱了爱了！
- 消极：食堂的菜越来越贵，量还少，这学期的课表排得太满了。
- 中立：请问翔安校区怎么去本部？明天上午有一节高数课。
- 后端：Python, Flask, SQLite
- 前端：HTML5, Tailwind CSS（CDN）, Chart.js（CDN）
- 算法：Scikit-learn（朴素贝叶斯）, Jieba（中文分词）
注意：本项目仅用于学习与演示，所有数据均为随机生成，不代表真实舆情。