本研究旨在利用大数据分析技术对弹幕文本进行情感分析，并通过可视化手段直观展示视频内容的观众情感倾向。弹幕作为一种新兴的网络互动形式，承载了丰富的用户情感信息，对于内容创作者和平台运营者而言，理解这些情感信息对于优化内容策略和提升用户体验至关重要。本研究首先构建了一个弹幕文本情感分析模型，该模型结合了自然语言处理技术和机器学习算法，能够有效识别弹幕中的正面、负面和中性情感。通过对大量弹幕数据的处理和分析，我们发现视频内容与观众情感之间存在显著的相关性，这些发现为内容创作提供了有益的指导。
进一步地，本研究开发了一套情感可视化系统，该系统能够将复杂的情感分析结果以图表的形式直观展现，使得非专业用户也能轻松解读数据背后的情感动态。系统不仅提供了实时的情感走势图，还实现了对观众情感倾向的预测功能，这对于内容创作者及时调整内容方向和平台运营者制定策略具有重要作用。此外，我们对系统的性能进行了优化，确保了在高并发情况下系统的稳定性和响应速度。通过本研究，我们不仅为弹幕文本的情感分析提供了新的方法和工具，也为视频内容分析和网络舆情监控等领域的研究提供了新的视角和思路。
现系统存在的问题
当前基于弹幕文本大数据的情感分析与可视化系统在运行过程中存在一些问题。首先，系统的情感分析准确性有待提高。由于弹幕语言具有多样性、口语化和网络化等特点，传统的情感分析模型难以准确捕捉到弹
管理员在弹幕信息管理模块中，可以对信息进行查看、修改、删除、新增、情感分析的操作。用户可以对弹幕信息进行查看和情感分析操作。
通过数据爬虫技术自动抓取哔哩哔哩网站弹幕信息，并进行数据清洗以保障信息准确性。模块允许管理员查看弹幕详情、修改信息、删除记录以及查询。系统提供了友好的操作界面，管理员可轻松编辑信息，而爬虫功能则后台自动运行，确保数据的实时更新和高质量，从而有效支持管理员的日常信息管理工作。
数据爬取采用Python的爬虫框架，Scrapy结合HTTP请求库如Requests，从网站等目标源获取数据。爬取过程中，通过设置合理的爬取频率和遵守robots.txt规则，确保数据获取的合法性和效率。获取原始数据后，进入数据清洗阶段，利用Python的Pandas库对数据进行预处理，包括去除空值、异常值，格式统一，以及处理重复数据。此外，通过正则表达式对文本数据进行清洗，提取有用信息。数据清洗还涉及数据类型转换、缺失值填充等操作，确保数据的质量和一致性。最终，清洗后的数据存储于数据库，为后续的数据分析和业务应用提供准确、可靠的数据基础。