基于深度学习的中文情感分析与舆情可视化系统产品系统

随着短视频、弹幕和评论社区的发展，中文社交媒体中产生了大量非结构化文本数据。传统人工查看评论效率低，难以及时判断用户整体情绪变化。本系统面向中文评论、弹幕、舆情文本和产品反馈分析场景，解决文本情感倾向识别、结果统计和可视化展示问题，可辅助用户快速了解正负向情绪分布，为舆情观察、内容反馈分析和产品口碑监测提供参考。

系统主要包含用户登录注册、文本情感实时分析、分析结果保存、后台数据管理、情感统计和可视化展示等功能。用户可以在前端页面输入中文文本，系统调用后端情感分析模型判断文本的正负向倾向，并将结果返回页面展示。管理员可以查看和管理历史分析数据。系统还通过 ECharts 图表展示情感分类数量、占比和整体分布，使文本分析结果更加直观，方便进行后续观察和整理。

本人负责该项目的需求分析、系统设计、数据库设计、后端接口开发、前端页面实现、模型集成和文档整理。系统采用 B/S 架构，后端使用 Python Flask 搭建服务接口，结合 MySQL 存储用户信息、文本内容和情感分析结果；前端使用 Jinja2、Layui、Bootstrap、jQuery 和 ECharts 实现页面渲染、异步交互、后台管理和数据可视化。算法部分基于 BiLSTM 模型，并结合语义感知截断与动态填充策略，提高中文长文本情感分析的稳定性。项目实现了从文本输入、模型推理、结果入库到图表展示的完整闭环。