社交媒体情绪实时监控实战课程
📚 共计 30 章节
01
课程导论
社交媒体情绪监控的价值、应用场景（舆情监控、品牌管理、金融预测）、课程目标与学习路径。
导论
应用场景
02
环境搭建
Python环境配置、Jupyter Notebook安装、必备库（Tweepy, TextBlob, VADER, Pandas, Matplotlib）安装与验证。
Python
Jupyter
库安装
03
数据采集基础
Twitter API介绍、申请开发者账号、创建App获取密钥、理解API速率限制。
API
Twitter
密钥
04
实时数据流接入
使用Tweepy建立Streaming Client、过滤规则设置（关键词、语言、地点）、处理流式数据。
Tweepy
流式
过滤
05
数据清洗与预处理
去除HTML标签、处理特殊字符、统一大小写、去除停用词、词干提取与词形还原。
清洗
NLP
预处理
06
文本表示方法
词袋模型（Bag of Words）、TF-IDF、词向量（Word2Vec）基础概念与Python实现。
词袋
TF-IDF
Word2Vec
07
基于词典的情感分析
VADER情感分析器原理、极性得分计算、在社交媒体文本上的应用与局限性。
VADER
词典
极性
08
基于机器学习的情感分析
朴素贝叶斯分类器、逻辑回归、支持向量机（SVM）原理与Scikit-learn实现。
朴素贝叶斯
SVM
Scikit-learn
09
深度学习情感分析
LSTM与GRU网络原理、使用Keras/TensorFlow构建情感分类模型。
LSTM
GRU
Keras
10
预训练模型应用
BERT模型介绍、Hugging Face Transformers库使用、微调BERT进行情感分析。
BERT
Transformers
微调
11
情感分析模型评估
混淆矩阵、准确率、召回率、F1分数、ROC曲线与AUC值。
评估
混淆矩阵
ROC
12
实时数据处理架构
消息队列（Kafka/RabbitMQ）概念、生产者-消费者模式、数据缓冲与批处理。
Kafka
消息队列
批处理
13
数据存储方案
关系型数据库（PostgreSQL）与非关系型数据库（MongoDB）的选择、时序数据库（InfluxDB）介绍。
PostgreSQL
MongoDB
InfluxDB
14
实时仪表盘搭建
Flask Web框架基础、WebSocket实时通信、Chart.js绘制动态图表。
Flask
WebSocket
Chart.js
15
舆情警报系统
阈值设定、多级警报机制（邮件、短信、Slack通知）、告警聚合与去重。
警报
Slack
阈值
16
多语言情感分析
语言检测（Langdetect）、跨语言模型（XLM-R）、翻译后分析策略。
多语言
XLM-R
Langdetect
17
表情符号与俚语处理
Emoji情感映射表、社交媒体俚语词典构建、正则表达式匹配。
Emoji
俚语
正则
18
时间序列分析
情感趋势分解（趋势、季节性、残差）、移动平均平滑、异常检测（Z-score, IQR）。
时间序列
异常检测
趋势
19
网络舆情传播分析
转发链追踪、意见领袖识别（PageRank）、信息传播路径可视化。
PageRank
传播
可视化
20
品牌竞品分析
多品牌情感对比、关键词共现分析、品牌联想词云生成。
竞品
词云
共现
21
金融情绪与市场预测
金融情感词典（Loughran-McDonald）、新闻情感与股价相关性分析、简单回测框架。
金融
Loughran-McDonald
回测
22
政治舆情监控
选举预测模型、政策反响分析、虚假信息检测基础。
政治
选举
虚假信息
23
模型部署与API化
Flask RESTful API设计、Docker容器化部署、云服务（AWS/Azure）部署指南。
Docker
API
云部署
24
性能优化
数据采样策略、模型量化、异步处理、缓存机制（Redis）。
Redis
量化
异步
25
隐私与伦理
数据匿名化、GDPR合规、算法偏见检测、负责任的数据使用。
隐私
GDPR
伦理
26
案例实战1：科技产品发布
搭建针对科技产品发布的实时情感监控系统（从采集到仪表盘）。
实战
科技
仪表盘
27
案例实战2：金融事件
金融事件（如美联储加息）的社交媒体情绪分析与市场影响报告。
金融
美联储
情绪分析
28
案例实战3：跨国品牌对比
跨国品牌（如可口可乐）的全球社交媒体情绪对比分析。
品牌
全球
对比
29
前沿趋势
多模态情感分析（文本+图像）、大语言模型（GPT-4）在情感分析中的应用、联邦学习。
多模态
GPT-4
联邦学习
30
课程总结与未来方向
知识体系回顾、常见问题解答、推荐学习资源、社区与持续学习路径。
总结
资源
社区