博客5docx

这个项目属于哪个课程	2025数据采集与融合技术
组名、项目简介	组名：基米大哈气 项目背景：针对B站视频评论信息量大、内容杂乱的问题，提供智能化的筛选与分类方案，帮助用户快速了解视频评论风向。 项目目标：开发一个支持评论爬取、智能分类、违禁词管理及可视化分析的综合系统，实现对评论内容的精准筛选与多维度展示。 技术路线：前端采用 React + React Router 实现组件化开发；后端使用 Flask + MySQL 管理数据与接口；核心算法基于本地部署的 Qwen2.5 大模型，并应用 LoRA 微调与4位量化技术优化性能；系统最终部署于 华为云平台。|
团队成员学号	102302113（王光诚） 102302115（方朴） 102302119（庄靖轩） 102302120（刘熠黄） 102302121（许友钿） 102302122（许志安） 102302123（许洋） 102302147（傅乐宜）
这个项目目标	1.智能分类：结合视频类型（如游戏、二次元），将评论自动归类为正常、争论、广告、@某人、无意义五大类。 2.数据可视化：** 提供评论统计、分类分布、高频词云及评论变化曲线图，直观展示数据特征。 3. 违禁词管理：支持实时增删查改违禁词库，保障过滤机制的高效性。 4. 自动化爬取：用户只需输入B站链接，系统即可自动抓取评论并进行智能处理，爬取过程中支持播放背景音乐。
其他参考文献	[1]Joshua Ainslie, James Lee-Thorp, Michiel de Jong, Yury Zemlyanskiy, Federico Lebr´on, and SumitSanghai. GQA: Training generalized multi-query Transformer models from multi-head checkpoints. InEMNLP, pp. 4895–4901. Association for Computational Linguistics, 2023.
码云链接（由于git上上传不了大于1GB的文件，所以我们将所有源码都放到了github上，小组成员间底代码不分开）	项目代码（GitHub）： https://github.com/liuliuliuliu617-maker/-/tree/master

姓名：许洋 学号：102302123

工作重点：编写前端代码，设计交互页面

1. 登录界面设计
   蓝粉色渐变的登录界面，可以注册，可以直接登录

二、首页设计
系统支持一键抓取视频评论数据，并通过智能算法对评论内容进行自动分类与统计分析，涵盖正常评论、争议言论、广告信息、@他人及无意义评论等多种类型。首页以数据概览为核心，集中展示评论数量分布、整体舆情概况及高频关键词，帮助用户快速把握评论区整体氛围与关注焦点。同时，评论列表支持按类别筛选与查看，便于用户进行精细化分析与管理。系统界面简洁清晰，操作流程流畅，适用于舆情分析、内容运营及数据分析等多种应用场景，为用户提供可靠、高效的评论分析支持。

三、爬取页面设计
本页面用于对 B 站视频评论进行快速爬取与智能分析。用户只需输入目标视频链接并选择对应领域，即可一键启动评论抓取流程。系统将自动获取视频下的评论数据，并在后台完成清洗、分类与分析处理，为后续的评论统计、舆情概览和关键词分析提供数据支持。首次爬取可能需要一定时间，请耐心等待。该功能适用于评论区舆情研究、内容分析及课程实验等多种场景，操作简单高效。

四、用户中心页面设置
用户中心用于集中管理与查看已爬取的视频评论数据，是系统的数据汇总与分析入口。本页面以可视化方式展示历史爬取记录，包括不同视频的评论总量变化趋势及各类评论占比情况，帮助用户直观了解不同视频评论区的活跃度与舆情结构。同时，下方以卡片形式列出已分析的视频信息，支持快速跳转查看对应的评论详情。通过用户中心，用户可以高效回顾爬取历史、对比多视频评论特征，为后续的数据分析与研究提供有力支持。


五、自定义词库界面设计
自定义词库用于对评论分类规则进行个性化配置，是提升评论分析准确性的关键功能。用户可根据不同视频领域，针对各类评论自定义关键词，当评论内容匹配到相关词语时，系统将优先按所设置的类别进行判定与归类。通过灵活维护关键词库，可有效增强对广告、争议言论及特定话题评论的识别能力，使分析结果更加贴合实际应用需求。该功能适用于舆情分析优化、规则调整及实验对比等场景，支持关键词的新增与删除，操作简单直观。