爬取网易，搜狐，凤凰和澎湃网站评论数据,正负面情感分析

Scrapy爬虫项目

基于Scrapy框架的Python新闻爬虫，能够爬取网易，搜狐，凤凰和澎湃网站上的新闻，将标题，内容，评论，时间等内容整理并保存到本地。

项目需求 1：爬取网易，搜狐，凤凰和澎湃新闻网站的文章及评论 2：新闻网页数目不少于10万页 3：每个新闻网页及其评论能在1天内更新

项目技术 1:设计一个网络爬虫，能够爬取指定网站的全部页面，并提取其中的文章及评论内容

2:定时运行网络爬虫，实现每日更新数据

首先从初始URL 开始，Scheduler 会将其交给 Downloader 进行下载，下载之后会交给 Spider 进行分析，这里的spider就是爬虫的核心功能代码,Spider分析出来的结果有两种：一种是需要进一步抓取的链接，它们会通过middleware传回 Scheduler ；另一种是需要保存的数据，送入Item Pipeline ，进行处理和存储,最后将所有数据输出并保存为文件

项目相关代码获取：

关注微信公众号 datayx 然后回复 情感分析 即可获取。

AI项目体验地址 https://loveai.tech

正负面情感分析

从舆情系统中爬取出了5000条关于电商评价的数据，人工进行对这5000条数据标注，分为正面和负面，做情感分析。训练模型，对后面爬取出的电商评论进行预测。

项目是一个NLP中的一个情感分析的业务，属于二分类任务。数据是舆情系统中从某电商平台上爬取下来的评论数据。人工对数据进行标记，分为两个类：分别为正面和负面。在很多模型进行比较后，决定用卷积网络，取得了很好的效果。

电商数据为csv格式，由evalution和label两个字段组成，风别为用户评论和正负面标签。对原始的文本进行分词，转编码等预处理。

模型训练：net.py和text_classification.py net.py:CNN模型和模型的参数 text_classification.py：训练模型。

模型预测：demo.py 保存模型，输出score为0.9334