微博文本分析和可视化

0. 数据来源和结构

新浪微博，爬虫链接：

https://github.com/HUANGZHIHAO1994/weibospider-keyword

微博内容数据结构（mongo数据库导出的json文档）

content_example:
[
{'_id': '1177737142_H4PSVeZWD', 'keyword': 'A股', 'crawl_time': '2019-06-01 20:31:13', 'weibo_url': 'https://weibo.com/1177737142/H4PSVeZWD', 'user_id': '1177737142', 'created_at': '2018-11-29 03:02:30', 'tool': 'Android', 'like_num': {'$numberInt': '0'}, 'repost_num': {'$numberInt': '0'}, 'comment_num': {'$numberInt': '0'}, 'image_url': 'http://wx4.sinaimg.cn/wap180/4632d7b6ly1fxod61wktyj20u00m8ahf.jpg', 'content': '#a股观点# 鲍威尔主席或是因为被特朗普总统点名批评后萌生悔改之意，今晚一番讲话被市场解读为美联储或暂停加息步伐。美元指数应声下挫，美股及金属贵金属价格大幅上扬，A50表现也并不逊色太多。对明天A股或有积极影响，反弹或能得以延续。 [组图共2张]'},...
]

微博评论数据结构（mongo数据库导出的json文档）

comment_example:
[
{'_id': 'C_4322161898716112', 'crawl_time': '2019-06-01 20:35:36', 'weibo_url': 'https://weibo.com/1896820725/H9inNf22b', 'comment_user_id': '6044625121', 'content': '没问题，', 'like_num': {'$numberInt': '0'}, 'created_at': '2018-12-28 11:19:21'},...
]

1. 数据预处理

1. prepro.py、pre_graph.py、senti_pre.py

   为了应对各种分析需求，需要数据预处理，具体所需数据文件类型和输出的结果数据结构见这三个py文件

   PS：

   prepro.py 运行时根据需要修改123、143、166行三处代码

   pre_graph.py 运行时根据需要修改127、140行两处代码

   senti_pre.py 运行时根据需要修改第119行代码

2. zh_wiki.py、langconv.py

   这两个py文件是用于繁体转简体的无需修改

2. 数据分析和可视化

1. 词云：wc.py（需要跑完prepro.py）

   根据需要修改3、19、26行代码

   
   

2. 热度地图： map.py（需要跑完prepro.py）

   根据需要修改第8行代码

   

3. 转发、评论、点赞时间序列： line.py（需要跑完senti_pre.py 和 senti_analy.py）

   

4. 微博评论关系图： graph.py（需要跑完pre_graph.py）

   （参考）

   

5. 文本聚类： cluster_tfidf.py 和 cluster_w2v.py（需要跑完prepro.py）

   
   

6. LDA主题模型分析： LDA.py（需要跑完senti_pre.py）tree.py（需要跑完senti_analy.py）

   

7. 情感分析（词典）： senti_analy.py（需要跑完senti_pre.py）3Dbar.py（需要跑完senti_analy.py）pie.py（需要跑完senti_analy.py）

   

8. 情感分析（W2V+LSTM）：Sentiment-Analysis-master文档中的senti_lstm.py（需要跑完senti_pre.py）

   看情况修改250行代码

   有些文档太大，放在百度网盘链接中:

   链接：https://pan.baidu.com/s/1l447d3d6OSd_yAlsF7b_mA 提取码：og9t

9. 文本相似度分析：similar.py（仅供参考）

10. 其他可供参考： senti_analy_refer.py、Sentiment_lstm.py

11. 有关Senti_Keyword_total_id.csv：

    下载8.百度网盘中Senti_Keyword_total_id.csv即可，以下是解释： 该文件几乎和Senti_Keyword_total.csv相同，只是多了一列weibo_id（此处不再给出生成Senti_Keyword_total_id.csv的代码，直接给生成的文档， 生成Senti_Keyword_total_id.csv可改写senti_analy.py，增加一列weibo_id）， 8中的百度网盘（有Senti_Keyword_total_id.csv和Senti_Keyword_total.csv，还有全部comment和全部content）， 由于lines.py等需要全部关键词，因此需要用senti_analy.py直接跑全部comment.json和content.json生成Senti_Keyword_total.csv（直接从网盘下来Senti_Keyword_total_id.csv再跑lines.py，3Dbar.py，pie.py即可）