博主介绍：
√ 13 年 Java / Python 双栈架构师，Top3 大厂技术 Leader 出身
√ 曾主导 50+ 企业级项目开发
√ 近 5 年辅导 2000+ 计算机毕业生，98% 一次答辩通过，累计省下 2万+ 小时debug时间
源码获取方式：
🍅文章末尾获取源码下载方式🍅
一、项目背景介绍
近年来随着国家对于电影市场的投入以及资本的不断涌入，电影作为人们的主要娱乐消遣模式成为了经济体中必不可少的一环，观影人数以及电影上映数量的不断增加让电影行业得到了飞速的发展，我国电影市场的票房及观影人次蝉联全球第二大电影票房，随着互联网及资本力量的涌入，为国内的电影市场带来资金支持的同时也需要通过预测分析来帮助实现更好的电影运作发展。目前单一类型的电影已经无法满足观众的需求，青年导演及编剧的不断加入让中国电影市场的运行模式发生了转变，相比大成本的电影制作很多小成本的电影成为了票房的主力军，同时电影市场票房的难预测性也逐渐体现，多元化的电影内容以及数字化网络平台的出现都进一步推动了电影行业的发展。在互联网平台的影响下许多电影资讯网站逐渐出现在人们的视野内，很多观众和影评人依托线上平台实现电影的交流和发表评论，如时光网、猫眼和中国票房网等平台，这些网站平台积累了大量的影视作品信息以及影评内容，很多平台依托网站前端的电影评论数据实现了聚类分析，结合评论文本信息实现关键词的转换，同时会按照影评的数据类别数量进行在线的评级。通过电影评论大数据的分析，可以帮助电影行业深入了解观众对于电影的反馈，结合电影反馈的结果实现票房的预测，电影发行方可以利用评价导向及票房预测结果进行放映厅数量和放映时间的调整，电影作为周期型的商品，对于票房影响因素较多，有效利用影评信息分析可以帮助更好的了解终端观众的评价和反馈。
二、项目功能介绍
此次对于电影评价倾向性分析系统的功能模块设计内容主要包括了电影评论管理、用户管理、评论预测、分析展示以及算法比较等内容，对于电影评价倾向性分析的主要功能模块集中在评论管理以及评论预测内容上，用户登录进入到系统平台后通过评论预测可以录入影评内容，系统会自动运算影评内容的倾向性，同时可以通过评论管理界面查看到相关评论的信息以及对应的倾向性类别。通过分析展示可以通过图表的方式来呈现影评积极和消极评论信息的比例，同时系统还介绍了文本内容分析所使用的算法信息以及对比了传统SVM与自适应SVM的差异，通过以上功能模块的运行和设计实现了整体电影评价倾向性系统的完整呈现。
三、项目环境说明
语言：python+html
框架：django
python版本：python3.7+
数据库工具：Navicat11+
开发软件：pycharm
四、系统实现
系统主页
此次对于电影评价倾向性系统平台的主业内容主要包括了电影评论管理、系统注册用户管理、评论预测、新旧对比、评价分析展示以及算法对比等内容，作为分析型的系统平台，通过评论信息的录入可以判断评价内容的所属类型，具体系统主页的主要功能模块内容呈现如下图所示：
评论管理界面
通过评论管理界面可以查看到最新的电影评价信息以及对应的分析评价状态，结合电影评价文本的字段内容来搭判断电影评价属于积极还是消极，通过时还包括了相关评论的评论人及点评点赞次数，通过更新数据可以实现评论信息的自动刷新。
用户管理
通过用户管理界面可以实现用户信息的查询、新增以及删除，用户信息主要包括了用户编号、姓名、性别、注册时间、身份证号以及手机号等个人基本资料，同时还包括登录系统所需要的账户名、密码和权限，通过用户管理界面可以实现个人资料的修改和新增。
评论预测界面
用户通过评价预测界面可以实现电影评价信息的录入，通过点击开始识别按钮可以实现在线的评价测评，结合系统算法实现了测评结果信息的反馈
算法准确率比较
通过算法比较窗口可以实现不同算法的准确率的对比，对于SVM、决策树算法、朴素贝叶斯算法以及KNN算法这四种算法的数据准确率进行对比，通过数据分类对比结果KNN>SVM>朴素贝叶斯算法>决策树算法，具体准确率对比界面呈现如下：
算法优缺点比较
系统同时对于四种算法的优缺点进行了比较分析，具体四种算法优缺点的内容呈现如下图所示：
自适应S VM 与S VM 对比
相比传统的SVM支持向量算法，自适应SVM支持向量算法能够实现较高的数据分类准确性，通过自适应增量样本选择模型的建立来有效的筛选出增量训练的边界样本，提升了数据分类的速度，传统的SVM支持向量算法在运算的效率和准确率上都略逊一筹。
电影评价倾向性图表分析
通过图表分析洁敏可以查看到系统内的电影评价倾向性分析数据统计，结合饼状图和柱状图来呈现电影评价积极和消极的分类占比，利用图表呈现更加直观的分析结果。
五、更多项目：
另有7000+份项目源码，项目有java（包含springboot，ssm，jspm等），小程序，python（django，flask），php，net，安卓等语言项目。项目均包含完整前后端源码，可正常运行！
🍅🍅文章末尾联系学姐获取完整源码🍅🍅
🍅🍅文章末尾联系学姐获取更多源码🍅🍅
以下为部分源码题目截图：
