基于AdaBoost的中文微博情感分析-AdaBoost

项目描述 基于AdaBoost的中文微博情感分析
基于AdaBoost算法的中文微博情感分析。它以微博文本为对象，做“正面 / 负面 / 客观”三类情感判别，并在朴素贝叶斯、AdaBoost、SVM 之间做对比实验，属于典型的文本挖掘与机器学习入门项目。代码规模小、依赖本地自带数据，适合学习与演示。

项目功能
一是微博数据的采集与存储（可选 MySQL 存原始文本，from_database.py 负责取数）。二是文本预处理，包括 jieba/pynlpir 分词、去停用词、基于词频或卡方的特征词选取。三是情感分类，含朴素贝叶斯、二分类与多分类 AdaBoost（SAMME.R）以及自实现 SMO 的 SVM。四是效果评估，输出错误率曲线、ROC 曲线和训练语料词云。此外还补了一个网页，可实时输入微博文本完成情感预测并展示图表。

运行环境
Windows 系统，Python 3（实测 3.11）。核心依赖 scikit-learn、jieba、numpy；可视化依赖 matplotlib、wordcloud；数据存储依赖 PyMySQL；网页依赖 Flask。可选依赖 pynlpir 与 nltk（用于另一套分词路径，需另下 NLPIR 库与授权）。数据集与已训练模型均随项目自带，无需联网下载。

项目技术
涉及文本分类与情感分析、机器学习算法（朴素贝叶斯、AdaBoost、SVM）、特征工程（卡方检验、词频统计）、中文分词（jieba）、数据可视化（matplotlib、词云、Flask 网页）以及 MySQL 数据存储等方向，属于“文本挖掘 + 机器学习 + Web 展示”的综合实践

以上系统源码经过技术整理与调试，确保能正常运行