基于 Django 的 B 站弹幕情感分析系统设计与实现
项目简介
面向 UP 主与内容研究者的弹幕情感分析系统：粘贴 B 站视频地址即可采集其全部可见弹幕（自实现 WBI 接口签名与 protobuf 解码，无需登录），经清洗、jieba 分词、停用词过滤与朴素贝叶斯情感分类，输出情感分布、弹幕密度与情绪时间轴、高频关键词与词云；弹幕语境词由可维护的情感词典二次校正，支持多视频对比与 Excel 导出。
演示视频
视频也可在 B 站视频页 观看
运行环境
| 编程语言 | Python 3.8 及以上 |
|---|---|
| Web 框架 | Django 4.2 |
| 中文分词 | jieba |
| 情感分类 | 多项式朴素贝叶斯（纯 Python 自实现，模型随包交付） |
| 数据采集 | B 站公开接口（自实现 WBI 签名与 protobuf 解码，无需登录） |
| 数据库 | MySQL 5.7 及以上（交付默认 SQLite，免安装） |
| 可视化 | ECharts 5 + wordcloud（已内置本地文件，离线可用） |
| 报表导出 | openpyxl |
| 操作系统 | Windows / macOS / Linux |
| 启动方式 | 双击一键脚本，或 python manage.py runserver |
功能模块
- 真实弹幕采集：自实现 B 站 WBI 接口签名与弹幕 protobuf 解码，无需登录，按 6 分钟分段限速拉取
- 朴素贝叶斯情感分类：3.5 万条正负语料训练（纯 Python 实现，拉普拉斯平滑），模型随包交付
- 弹幕情感词典校正层：「泪目 / 下次一定」等弹幕语境词按人工极性覆盖模型结果，规则带理由可维护
- 分析报告：情感分布环形图、弹幕密度 + 情绪双轴时间轴、高频词 TOP20、关键词词云
- 典型样例与检索：P(正面) 最高的正面 / 负面弹幕样例，按内容与极性检索弹幕
- 多视频对比：2–4 个视频的情感构成、情绪走势与高频词横向对比
- 维护页面：弹幕词典与停用词增删即时生效；模型信息展示语料规模与判定流程
- 采集记录与导出：分段数 / 条数 / 耗时 / 结果全程留档；四张工作表 Excel 导出
交付内容
- 完整源码（已跑通，含 6 个真实视频、4300+ 条已分类弹幕的演示库）
- 训练好的朴素贝叶斯模型与训练语料（可重新训练）
- B 站采集模块（WBI 签名 + protobuf 解码，可独立复用）
- 毕业设计任务书（Word）
- 开题报告（Word）
- 毕业论文（Word，七章制，含采集设计与情感判定设计章节）
- 系统使用与二次开发说明（Word + md）
- 10 张系统运行截图
最终成品目录结构
下面是交付包里的真实目录，共 94 个文件。只展示文件名，不含文件内容； 点击文件夹可逐层展开，看到每个模块是怎么拆分的。
界面截图
点击任意一张可放大，支持左右切换（也可用键盘 ← → 键）
文档预览
交付的任务书、开题报告与论文均为 Word 文档，下面是真实页面预览；点击可放大并左右切换：
常见问题
项目能直接跑起来吗？
能。交付包里已带数据库（6 个真实视频、4300+ 条已分类弹幕），安装依赖后双击一键脚本即可；想采新视频需要联网，无需登录 B 站。
弹幕是真实数据吗？
是。弹幕与视频信息来自 B 站公开接口，系统自实现了 WBI 接口签名与 protobuf 解码；每次采集的分段数、条数、耗时都会在「采集记录」留档。
为什么弹幕数比平台显示的少？
B 站接口对历史弹幕有回放上限，系统采集到的是接口当前返回的可见部分，页面上如实展示条数。
情感判定准不准？
训练语料留出自测准确率 93.4%；真实弹幕人工抽查中，明确正负面弹幕准确率约 85%。弹幕多为短句与语气词，中性占比高属正常；每条弹幕保留 P(正面) 可核查。
「泪目」「下次一定」这类词怎么处理？
通用评论语料里缺少或语义反转这类弹幕用语，系统设计了弹幕情感词典校正层：命中即按人工极性覆盖模型结果，每条规则带理由、可在页面维护。
为什么没有实时分析大按钮？
情感在弹幕入库时逐条判定并落库（单条约 0.05ms），页面聚合走数据库索引——长视频万级弹幕也不会卡页面；这也符合真实系统的做法。
采集会不会太快把账号弄封？
采集无需登录，且已内置 1.2 秒/请求限速、失败降级；请勿用于批量抓取。
能换成 MySQL 吗？
能。设置 DB_ENGINE=mysql 与连接参数后 migrate 即可；交付默认 SQLite 是为了免安装。