優(yōu)酷視頻網(wǎng)是中國(guó)最具影響力的網(wǎng)絡(luò)媒體和具有全球影響力的中文視頻網(wǎng)站，研究?jī)?yōu)酷視頻標(biāo)題的網(wǎng)絡(luò)抓取技術(shù)，研究標(biāo)題語(yǔ)料庫(kù)的數(shù)據(jù)庫(kù)設(shè)計(jì)方法和用戶接口設(shè)計(jì)實(shí)現(xiàn)方法，標(biāo)題語(yǔ)料的字詞處理方法，實(shí)現(xiàn)標(biāo)題語(yǔ)料字詞檢索、增刪改查、統(tǒng)計(jì)、圖表展示等功能。該系統(tǒng)主要研究?jī)?nèi)容可分為三大類：數(shù)據(jù)抓取，數(shù)據(jù)處理以及數(shù)據(jù)展示。
(1)數(shù)據(jù)抓取，也叫數(shù)據(jù)收集模塊，即優(yōu)酷視頻標(biāo)題的網(wǎng)絡(luò)抓取技術(shù)，這是整個(gè)系統(tǒng)的基礎(chǔ)所在，使用Python語(yǔ)言利用網(wǎng)絡(luò)爬蟲(chóng)動(dòng)態(tài)獲取優(yōu)酷網(wǎng)的標(biāo)題，然后對(duì)得到的源視頻標(biāo)題數(shù)據(jù)進(jìn)行人工處理，構(gòu)建優(yōu)酷網(wǎng)標(biāo)題語(yǔ)料庫(kù)，insert語(yǔ)句插入搜索結(jié)果內(nèi)容，create語(yǔ)句創(chuàng)建數(shù)據(jù)庫(kù)表格等內(nèi)容。
(2)數(shù)據(jù)處理：標(biāo)題語(yǔ)料庫(kù)的數(shù)據(jù)庫(kù)設(shè)計(jì)方法和用戶接口設(shè)計(jì)實(shí)現(xiàn)方法，標(biāo)題語(yǔ)料的字詞處理方法，和對(duì)數(shù)據(jù)庫(kù)內(nèi)容的增刪改查；
數(shù)據(jù)庫(kù)設(shè)計(jì)：以表格Table形式存儲(chǔ)，存儲(chǔ)至少包括所抽取的標(biāo)題內(nèi)容，標(biāo)題關(guān)鍵字，抽取次數(shù)，文章瀏覽次數(shù)，原文鏈接等，查詢結(jié)果創(chuàng)建接口顯示視圖View，數(shù)據(jù)增加主要通過(guò)爬蟲(chóng)獲取，盡量避免人工獲取，可以人為刪除，修改無(wú)效標(biāo)題內(nèi)容，查詢功能主要是在數(shù)據(jù)展示模塊。
(3)數(shù)據(jù)展示：可以根據(jù)關(guān)鍵詞搜索查詢完整的標(biāo)題，或者查詢同一關(guān)鍵詞在某時(shí)間段的出現(xiàn)次數(shù)，幫助用戶更快的了解當(dāng)前熱點(diǎn)話題，也可以顯示網(wǎng)址讓用戶自己去了解文章具體內(nèi)容。后臺(tái)使用select/from/ where條件語(yǔ)句查詢信息，通過(guò)視圖View顯示給用戶，展示形式包括表格，或者圖表；
在展示模塊，會(huì)在后臺(tái)統(tǒng)計(jì)用戶搜索的關(guān)鍵詞，同步記錄進(jìn)相關(guān)關(guān)鍵詞的搜索次數(shù)。
已具備的實(shí)驗(yàn)條件
實(shí)驗(yàn)環(huán)境：Python編程語(yǔ)言實(shí)現(xiàn)爬蟲(chóng)抓取數(shù)據(jù)，virtual code開(kāi)發(fā)工具，采用python實(shí)現(xiàn)界面設(shè)計(jì)，數(shù)據(jù)庫(kù)sqlite；
實(shí)驗(yàn)數(shù)據(jù)：優(yōu)酷視頻網(wǎng)。
關(guān)鍵技術(shù)
前端采用: vue+elementui后端: python+django框架,使用Scrapy框架爬取優(yōu)酷視頻頁(yè)面數(shù)據(jù), 使用了Twisted 異步網(wǎng)絡(luò)框架，可以加快我們的下載速度，使用Pandas進(jìn)行數(shù)據(jù)的清洗。數(shù)據(jù)可視化分析使用ECharts，底層依賴輕量級(jí)的矢量圖形庫(kù) ZRender，提供直觀，交互豐富，可高度個(gè)性化定制的數(shù)據(jù)可視化圖表。用于提升數(shù)據(jù)可讀性，將優(yōu)酷視頻數(shù)據(jù)可視化后圖表形式在Django中展示，可以讓用戶更加明顯的觀察到數(shù)據(jù)背后的規(guī)律等
預(yù)期目標(biāo)
通過(guò)設(shè)計(jì)數(shù)據(jù)庫(kù)以及網(wǎng)絡(luò)爬蟲(chóng)抓取數(shù)據(jù)形成一個(gè)相對(duì)完整的標(biāo)題語(yǔ)料庫(kù)，實(shí)現(xiàn)基本的數(shù)據(jù)庫(kù)功能，以及對(duì)優(yōu)酷視頻標(biāo)題的歸類總結(jié)，最大化的方便用戶搜索優(yōu)酷視頻。
實(shí)驗(yàn)方案的可行性
1、技術(shù)可行性：當(dāng)前優(yōu)酷視頻網(wǎng)頁(yè)結(jié)構(gòu)主要分為目錄型和詳情型，兩者之間的連接橋梁是同一條視頻的URL（uniform resource locator）即互聯(lián)網(wǎng)地址必須相同，由此已經(jīng)開(kāi)始提出并使用了現(xiàn)在通用的網(wǎng)頁(yè)視頻標(biāo)題自動(dòng)抽取算法。在該方法的基礎(chǔ)上，實(shí)現(xiàn)標(biāo)題語(yǔ)料庫(kù)的設(shè)計(jì)上技術(shù)是可行的；
2、經(jīng)濟(jì)可行性：設(shè)計(jì)過(guò)程中所用到的代碼基本都是開(kāi)源的，不需要經(jīng)費(fèi)支持，具有經(jīng)濟(jì)可行性；
3、社會(huì)可行性：該系統(tǒng)的設(shè)計(jì)不違背法律法規(guī)，不違背社會(huì)道德，而且是為了方便用戶，因此具有社會(huì)可行性。