1 绪论 4 1.1 项目开发背景 4 1.2 项目开发意义 5 1.3 项目主要的内容 6 2 开发环境及相关技术概述 6 2.1 相关技术 6 2.2 系统环境开发条件 7 3 系统的需求分析与设计 7 3.1可行性分析 7 3.2需求分析 8 3.2.1系统总体概述 8 3.2.2功能性需求 8 3.2.3流程图设计 9 3.2.4系统ER图设计 10 3.3 数据库设计 13 3.4系统运行环境 16 4 系统功能模块的实现 16 4.1 前端模块页面 16 4.1.2 首页 16 4.1.3 影视资讯 17 4.1.4 详细内容 18 4.2 后端模块页面 19 4.2.1 影视信息管理 19 4.2.2 新闻信息管理 19 4.2.3 影视信息发布管理 20 4.2.4 评论信息管理 21 4.2.5 用户管理 21 5 系统测试 22 5.1用户管理页面实现 23 5.2 影视新闻管理 23 5.3 影视新闻分类管理 23 5.4 影视评论管理 23 5.4 新闻管理页面 24 结　论 24 参考文献 25

采用java技术构建的一个管理系统。整个开发过程首先对系统进行需求分析，得出系统的主要功能。接着对系统进行总体设计和详细设计。总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等；详细设计主要包括系统数据库访问的实现，主要功能模块的具体实现，模块实现关键代码等。最后对系统进行功能测试，并对测试结果进行分析总结。 包括程序毕设程序源代码一份，数据库一份，完美运行。配置环境里面有说明。如有不会运行源代码私信。

基于RNN的影评情感分类代码（代码简单，适用于刚开始学习的小白参考）

输入一个电影的名字，爬取对应的评分信息及评论文本信息，数据存储于mongodb，并可视化展示；评分使用条形图展示，评论使用词云展示，综合案例实战

针对电影上映前后影评情感会发生较大变化，导致电影行业分析者分析影评情感对票房预测的影响具有一定难度的问题，提出一种基于影评情感类型与强度的自回归票房预测模型，并构建了面向票房预测的影评情感可视分析系统MRS-VIS。系统基于时空特征，提出一种空间插值可视化视图，并结合多种可视化经典视图，帮助电影行业分析者对一部电影在上映前后的影评情感进行多角度探索与分析。系统支持分析者在情感分析的基础上，通过交互操作对情感类型与强度进行编辑，进一步提高票房预测模型的准确性和可靠性。案例分析结果表明，提出的模型和构建的系统可以有效帮助电影行业分析者分析影评情感类型和修正情感。

只是一篇文章

深度学习实战篇：采用LSTM网络进行影评情感分析，涉及到词向量模型。训练样本数据齐全。代码有图有分析，便于初学者学些。

包括java编写的爬虫和用java代码实现的分词，以及Lda算法实现的相关代码！

豆瓣影评数据，21000多条，包括movie_name, user_name, score, comment, date等字段，只需简单处理就可使用。

采用java技术构建的一个管理系统。整个开发过程首先对系统进行需求分析，得出系统的主要功能。接着对系统进行总体设计和详细设计。总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等；详细设计主要包括系统数据库访问的实现，主要功能模块的具体实现，模块实现关键代码等。最后对系统进行功能测试，并对测试结果进行分析总结。 包括程序毕设程序源代码一份，数据库一份，完美运行。配置环境里面有说明。如有不会运行源代码或定制私信。