舆情脉搏 · 社交媒体实时舆情分析与趋势预测平台

项目简介

舆情脉搏面向社交媒体舆论场，解决“数据分散、情绪难量化、趋势难预判”三个问题。系统以 Kafka 承接帖文流，Spark Streaming 按小时窗口聚合情感与热度，Spring Boot 输出统计与预测接口，Vue 3 提供管理控制台与全屏可视化大屏。

适合方向：大数据处理、数据可视化、Web 全栈类毕业设计。

核心功能

模块	能力
运营概览	帖文总量、热度指数、负面占比、独立用户，24/48/72 小时趋势切换
帖文数据	关键词 / 情感 / 平台 / 话题 / 时间范围组合检索，详情查看与 CSV 导出
实时统计	窗口级情感堆叠、热度曲线、独立用户与明细分页
热点话题	话题词库维护、关键词检索、热度基准权重
预测分析	真实值/预测值对比、残差分布、RMSE / MAE / MAPE 与拟合度
可视化大屏	六大指标、趋势、情感、话题、平台、实时播报一屏展示
系统管理	管理员登录、头像与资料、密码修改、数据管道启停

技术架构

• 数据层：MySQL 8，库名 db_social_opinion，表名统一 t_ 前缀
• 采集层：Kafka 主题承接帖文流，内置 Java 模拟器保证无 Kafka 环境也能演示
• 计算层：Spark Streaming 小时窗口聚合，产出情感计数、热度指数与 UV
• 服务层：Spring Boot 3 + MyBatis-Plus + JWT，统一返回结构与异常处理
• 展示层：Vue 3 + Vite + Pinia + Element Plus + ECharts

数据流：帖文（模拟/真实）→ Kafka → Spark 窗口聚合 → 统计表 → REST API → 控制台 / 大屏

关键实现

窗口聚合：以自然小时为窗口，统一时间格式后按窗口去重合并，避免多批次写入导致重复计数。

热度模型：帖文热度由话题基准、情感权重、平台权重与互动量共同决定，窗口热度为窗口内帖文热度累加。

趋势预测：以前 3 个窗口热度与小时序号构造特征，使用 OLS 多元线性回归，按 8:2 划分训练集与测试集，输出预测值与误差指标。

负面预警：按话题统计负面帖文占比并排序，高占比话题在概览页优先提示。

交付内容

• 完整前后端源码（server / client）
• 数据库脚本，内置近 3 天窗口数据与 10 个话题
• 演示管理员账号（详见交付文档）
• 部署运行说明与接口文档

运行说明

1. 导入数据库脚本，创建 db_social_opinion
2. server 目录执行 mvn spring-boot:run（端口 8000）
3. client 目录执行 npm install 与 npm run dev（端口 5173）
4. 浏览器访问控制台，或直接打开 /bigscreen 进入可视化大屏

系统内置数据模拟器，未部署 Kafka/Spark 时仍可完整演示；接入真实集群只需调整采集与计算配置。