有效评论样本
5421
成都 3361 条，淄博 2060 条
Web 前端实践项目
微博评论市场监管舆情分析平台
基于《针对市场监管问题的网络舆情分析——基于微博用户评论》论文内容，复现成都夜市测评与淄博烧烤测评的文本挖掘思路，并用网页仪表盘呈现评论规模、情感倾向、关键词、LDA 主题和监管建议。
HTML5
CSS3 响应式
原生 JavaScript
Canvas 图表
SVG 网络图
分析对象
2
两条测评微博评论对比
展示主题
8
提炼两地 LDA 代表主题
功能页面
5
总览、流程、主题、建议、说明
Research Frame
论文复现展示框架
项目把论文中的“数据采集 - 文本处理 - 模型分析 - 治理建议”转成网页模块，每一块都能对应到课程要求中的页面内容、交互效果和技术说明。
数据来源
围绕成都夜市测评和淄博烧烤测评两条微博评论，展示清洗前后样本规模。
分析方法
整理情感分析、词频统计、语义网络和 LDA 主题模型的核心逻辑。
可视呈现
使用 Canvas、SVG、指标卡片和筛选器呈现结论，让页面可读也可操作。
治理落点
把“缺斤少两”和“诚信口碑”转化为监管闭环、平台改进和消费者维权建议。
Checklist
课程要求对齐
按照截图中的期末实践要求，项目覆盖多页面、导航、图文内容、JS 特效、报告和截图材料。
多页面结构
首页、数据流程、主题分析、治理建议、项目说明五个页面互相跳转。
页面内容完整
包含页头、菜单、内容区、页脚、表格、图表、卡片和说明文字。
JS 交互效果
实现页签切换、筛选器、折叠面板、关键词提示和 Canvas 绘图。
提交材料齐全
源码、技术报告、页面截图和 zip 压缩包均已生成。
Dashboard
两地评论对比总览
页面采用论文中的有效评论数量和主题词进行可视化表达，情感比例为前端演示用归纳数据，用于说明交互和分析逻辑。
有效评论规模
论文清洗结果显示：成都测评微博 3470 条原始评论中保留 3361 条，淄博测评微博 2180 条原始评论中保留 2060 条。
Insight Matrix
舆情洞察矩阵
从“问题强度、传播风险、城市口碑、治理动作”四个角度归纳两地案例，方便快速阅读。
成都：问题暴露型舆情
主要情绪不满/反讽
高频场景夜市/水果
治理重点快查快处
- 评论把“缺斤少两”与“市场监管”直接绑定，说明消费纠纷会上升为公共治理评价。
- “带电子秤”类表达既是自我保护建议，也体现用户对常态监管的期待。
淄博：口碑放大型舆情
主要情绪认可/自豪
高频标签实在/好客
治理重点稳定复盘
- 公平交易体验被网友转译为城市气质，形成“诚信经营 - 城市形象 - 文旅意愿”的链路。
- 正向口碑同样需要持续监管支撑，避免高期待下出现后续反差。
Sentiment
情感倾向演示
成都测评情感分布
关键词观察
点击关键词查看解释。
淄博测评情感分布
关键词观察
点击关键词查看解释。
Insight
从舆情到治理建议
痛点识别
成都评论集中体现对缺斤少两、鬼秤、监管力度不足的反感，说明小额消费纠纷也会触发高强度公共情绪。
口碑转化
淄博评论把公平交易和城市气质绑定，正向体验会转化为旅游意愿和城市品牌资产。
制度闭环
监管、商家、消费者和线上平台需要形成证据留存、快速投诉、公开处置和持续监督的闭环。
Project Highlights
前端实现亮点
多页面信息架构
项目不是单页摘要，而是按“总览、数据、主题、建议、说明”组织成五个可跳转页面，便于展示完整实践成果。
原生 JS 数据驱动
主题卡片、流程、建议和案例由结构化数据渲染，减少重复 HTML，并体现前端逻辑能力。
离线可运行
图表用 Canvas 和 SVG 实现，不依赖外部 CDN；双击首页或部署到轻量服务器都能运行。
Deliverables
