综合设计——多源异构数据采集与融合应用综合实践
| 这个项目属于哪个课程 | 2023数据采集与融合技术 |
|---|---|
| 组名、项目简介 | 组名：普雷蒙奇、项目需求：多模态情感分析、项目目标：通过在网页中搜索关键词来得到一个综合的情感分析、项目开展技术路线：前端、python 、华为云平台、Django-restframework |
| 团队成员学号 | 102102112、102102115、102102116、102102118、102102119、102102120、102102156、102102159 |
| 这个项目目标 | 通过在网页中上传文本、图片、视频或音频分析其中的情感 |
| 其他参考文献 | [1]梁爱华，王雪峤 多模态学习数据采集与融合、[2]陈燕、赖宇斌 基于CLIP和交叉注意力的多模态情感分析模型 、[3]武星、殷浩宇 面向视频数据的多模态情感分析 |
Gitee文件夹链接(所有代码均存在一个人的码云中)：
https://gitee.com/w-jking/crawl_project/blob/master/大作业/datacrawl(1).zip
项目整体介绍：
项目名称：
国产手机情感分析
项目背景：
近年来，国货新潮流兴起，华为Mate60系列供应链90%以上来自国内，消费者的真实反馈对于手机品牌口碑和市场表现至关重要，收集和分析消费者对于国产手机的反馈，不仅可以为用户提供一个选择手机品牌的依据，也可以为品牌提供有价值的建议和改进方向。
项目目标：
通过采集和挖掘不同模态（文本、图片、音频）的数据，运用不同的情感分析模型，构造一个可以对国产手机各个方面进行多模态分析的系统，对国产手机品牌得到一个综合的情感分析，直观的感受到大众对于国产手机的的态度，以便于更好的判断国产手机中的“国货之光”。
项目具体流程图：
技术路线：
-
前端开发：
-
使用HTML、CSS和JavaScript进行前端的是界面设计，实现输入关键词和视频数量和弹幕数量后得到一个综合分析。
-
提升用户体验，使用动画效果和过渡效果，可以提高页面的交互性和吸引力。
-
-
后端开发：
-
使用python语言来实现后端开发的编写
-
使用Django框架来处理前端信息的接收，以及后端得到的信息返回
-
-
数据处理与分析：
-
文本爬取：
- 爬取B站弹幕和京东评论，但是京东评论在项目最后阶段爬取不到数据，所以只保留了弹幕的爬取。
- 采用request库的findall（）函数获取指定cid的弹幕，并通过正则表达式提取出弹幕文本。
-
图片爬取：
- 爬取当当网的图片。
- 使用requests库的findall（）函数和正则表达式取所有满足条件的图片链接。
- 并使用多线程机制将图片进行下载。
-
音/视频爬取：
- 爬取B站相关视频。
- 采用request库的findall（）函数和正则表达式提取JSON中BV号。
- 使用正则表达式和json库获取视频和音频的url。
- 使用requests库来下载视频和音频文件。
-
文本分析： 首先考虑ERNIE-UIE文心模型，可是配置不成功，导致没有结果显示。接着考虑讯飞的情感分析模型，发现只能单句分析，不太符合需求，最后考虑百度云的API接口。
-
视频和音频分析：
- 对B站相关视频进行爬取，得到视频和音频。
- 使用Whisper方法将音频转为文本。
- 对上传的音频文件进行特征提取和情感识别。
-
图片分析：
- 使用预训练的BERT模型进行图像处理。
- 使用预训练的ResNet-50提取图片特征。
- 将图像特征输入到分类器中进行预测。
-
-
结果输出与展示：将分析结果通过前端界面展示。
输入框：
结果输出：
爬取关键词的情感分析：
历史爬取数据：
团队分工
叶可鹏：后端代码编写、OpenGauss数据库搭建和链接、Django网页搭建、编写了B站爬虫部分代码。
吕艺能：爬取京东图片、前端交互界面调试（html、css）
王俊凯：负责项目寻找，模型代码训练和优化的编写、团队博客的编写。
许诚龙：模型寻找，图片情感分析，模型代码运行和优化
李子慕：爬取当当网的国产手机的图片、B站弹幕
屈亚鹏：找模型和训练数据集、编写部分爬虫代码、完善整体项目博客
李岩：前端部分
李璐璐：找模型、编写爬取B站视频音频代码以及使用一些已有代码爬取数据、PPT