18级毕业生们的优秀毕业设计云展来啦!

相信大家一定都很期待

那就让我们来一饱眼福吧~

作品名称：基于大数据技术的房价数据分析及可视化

作者：蔡勇

指导教师：田恬恬

作品介绍：对于郑州如今饱和的房产及高昂的房价，越来越多的年轻人将住房带来的问题转向二手房。充分了解当地二手房信息能高效解决住房问题。通过scrapy爬虫框架来设计爬虫抓取郑州贝壳二手房网站中二手房信息。在jupyter notebook中对获取的二手房数据进行统计分析，对不同地段的房源数量、房价进行平均值、中位数、最大最小值的统计。使用echarts库将分析得到的结果通过前端页面进行数据可视化的展示。采用随机森林和线性回归进行房价的预测，经实验对比后使用误差较小的随机森林进行房价预估。使用flask框架搭建预测系统实现前端数据传入预测模型，预测模型将结果传入前端页面中展示。

作品名称：基于Python爬虫的北京二手房房价分析及可视化

作者：常凯

指导教师：梁靖涵

作品介绍：随着国家对房地产市场的调整，存量房得到了扩大，二手房市场也逐渐成熟，形成了与一手房市场相当的市场形态，而北京作为我国的政治、经济、文化中心，其一直居高临下的房屋价格备受人们关注。因此分析北京二手房房屋价格，不仅可以给有需求的人提供一种借鉴，而且对我国民生的发展也起到了一定的作用。本作品通过设计爬虫从链家网上爬取北京各个区域的二手房数据，然后对爬取的数据进行清洗、特征选择、可视化分析，最后通过建立机器学习模型来对二手房房价进行预测。

核心截图：

作品名称：基于Python的网站公开招标信息实时数据爬取系统的设计与实现

作者：郝少乾

指导教师：王丹辉

作品介绍：随着网络智能化的普及，越来越多的行业借助互联网这种方式来发布信息、获取信息，政府与各大企业的招标、投标信息也是如此。通过本系统的实现用户可以实时获取招投标公告及信息，并通过数据清洗、数据建模、数据分析等方式挖掘其招投标信息背后的价值，再通过数据可视化的形式将数据信息直观的展现给用户，从而提高效率。本系统主要分为三个模块：第一模块，采用Python Scrapy框架进行招投标数据的实时获取与存储；第二模块，使用Pandas、NumPy、Jieba等工具进行数据分析的过程；第三模块：通过搭建部署可视化平台，将上述数据集进行导入，制作绘图与看板进行可视化展示。

作品截图：

作品名称：基于数据挖掘的社交文本情感分析系统设计

作者：濮正萍

指导教师：许亚杰

作品介绍：本作品为一个文本情感分析系统。作品实现过程如下：首先选取“微博”这一用户众多、信息公开的社交平台作为社交文本数据来源；然后通过爬虫技术获取微博上的文本数据，使用Jieba分词技术完成词语分割，使用Word2vec工具完成词语向量化，得到算法分析数据集；接着，搭建了以SVM、LSTM和朴素贝叶斯分类为基础的分类算法模型，采用混淆矩阵分别对这三种分类方法结果验证，显示SVM、LSTM和朴素贝叶斯算法的精确度分别是85%、88%和86%，召回率分别是86%、88%和86%，F1-score分别是85%，88%，86%。实验结果表明：基于深度学习的LSTM模型具有最优的印证参数，即漏检率、虚警率都为最低，说明针对微博文本，LSTM算法模型具有最优的情感倾向分析效果。最后，设计了一个用户图形界面，以将各个功能直观化展示，方便使用。

作品截图：

作品名称：基于Java爬虫技术的直播平台互动数据可视化分析

作者：张旭鹏

指导老师：王丹辉

作品介绍：随着互联网技术的更新换代，直播行业在近几年发展迅猛，直播已经成为一种潮流，涵盖各行各业：娱乐、比赛、教学、电商等等。行业的兴起使得直播的竞争越来越大，要想从人海中脱颖而出，那么分析直播过程的详细数据就至关重要。本作品通过实时爬取抖音平台“斯诺克比赛”、“红警游戏”和“英雄联盟手游”直播间数据。包括：直播间实时在线观众数量、弹幕信息、关注和点赞信息、礼物信息以及用户信息，再通过Echarts图表工具将爬取到的数据展示到网页，经过对网页展示的内容进行可视化。

图文：大数据与人工智能学院