http://digida.mgpu.ru/api.php?action=feedcontributions&feedformat=atom&user=Sseliverstova
Поле цифровой дидактики - Вклад [ru]
2026-05-15T19:11:56Z
Вклад
MediaWiki 1.44.0
http://digida.mgpu.ru/index.php?title=%D0%9E%D0%B1%D1%81%D1%83%D0%B6%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D1%83%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA%D0%B0:Sseliverstova&diff=45585
Обсуждение участника:Sseliverstova
2026-03-27T07:19:58Z
<p>Sseliverstova: /* Корректировка страницы Wiki */ новая тема</p>
<hr />
<div>== Корректировка страницы Wiki ==<br />
<br />
Добавлены коды проекта</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45584
Анализ видеоконтента
2026-03-27T07:18:57Z
<p>Sseliverstova: </p>
<hr />
<div>== VK Video Analytics — Анализ видеоконтента ==<br />
<br />
'''Автор:''' Светлана Селиверстова<br />
<br />
'''Группа:''' АДЭУ-221 <br />
<br />
'''Дисциплина:''' Работа с API социальных сетей и облачных сервисов <br />
<br />
<br />
== Цель работы ==<br />
Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.<br />
<br />
== Задачи ==<br />
# Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).<br />
# Получить токен доступа для работы с данными.<br />
# Написать скрипт на Python для сбора до 500 видео из сообщества.<br />
# Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
# Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.<br />
# Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).<br />
# Оформить результаты в виде отчёта.<br />
<br />
== Технологии ==<br />
* '''Языки:''' Python, JavaScript, HTML/CSS<br />
* '''Библиотеки Python:''' requests, pandas, matplotlib, seaborn, wordcloud, flask<br />
* '''API:''' VK API (видео, пользователи, группы, разрешение имён)<br />
* '''Визуализация:''' Matplotlib, Seaborn, WordCloud<br />
* '''Веб-фреймворк:''' Flask<br />
<br />
== Диаграмма работы приложения «VK Video Analytics» ==<br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
== Структура проекта ==<br />
<br />
<pre><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
== Ход работы над проектом ==<br />
<br />
=== Этап 1. Написание Python-скрипта для сбора данных ===<br />
Установила необходимые библиотеки:<br />
<pre>pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<br />
Написала клиент для VK API с поддержкой:<br />
* Преобразования ссылки в ID через <code>utils.resolveScreenName</code><br />
* Пагинации для получения до 500 видео<br />
* Сбора информации об авторах (пользователи и группы)<br />
<br />
'''Результат:''' собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.<br />
<br />
=== Этап 2. Реализация фильтрации «лишних» слов ===<br />
Создала список стоп-слов, включающий:<br />
* Местоимения (твой, мой, его, их, я, ты, мы)<br />
* Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)<br />
* Вводные конструкции (кстати, наверное, конечно, по-моему)<br />
* Частицы, предлоги, союзы (в, на, и, а, но, или)<br />
* Общие слова (самый, хороший, новый, легко, сейчас)<br />
<br />
При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.<br />
<br />
=== Этап 3. Создание графиков и визуализации ===<br />
Реализовала модуль визуализации, который строит:<br />
* '''Топ-10 видео по просмотрам''' (горизонтальная столбчатая диаграмма)<br />
* '''Анализ длительности''' — средние просмотры и распределение по категориям<br />
* '''Временной анализ''' — средние просмотры по часам и дням недели<br />
* '''Облако ключевых слов''' (только значимые слова после фильтрации)<br />
* '''Анализ вовлечённости''' — зависимость вовлечённости от просмотров и по длительности<br />
<br />
=== Этап 4. Создание веб-интерфейса на Flask ===<br />
Разработала веб-приложение на Flask с маршрутами:<br />
* <code>/</code> — главная страница с аналитикой<br />
* <code>/api/insights</code> — JSON с ключевыми инсайтами<br />
* <code>/api/trending</code> — JSON с трендовыми темами<br />
* <code>/api/top_videos</code> — JSON с топ-20 видео<br />
* <code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков<br />
* <code>/refresh</code> — принудительное обновление данных<br />
<br />
HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.<br />
<br />
=== Этап 5. Тестирование и отладка ===<br />
Сервис доступен по адресу http://localhost:5000/<br />
Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано до 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).<br />
<br />
== Выводы ==<br />
В ходе работы над проектом я:<br />
* Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.<br />
* Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
* Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.<br />
* Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.<br />
* Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.<br />
<br />
== Интерфейс проекта ==<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
== Код проекта ==<br />
<br />
=== config.py ===<br />
<syntaxhighlight lang="python"><br />
# config.py - настройки проекта<br />
VK_TOKEN = "your_token_here"<br />
COMMUNITY_INPUT = "https://vk.com/vkvideo"<br />
VIDEOS_LIMIT = 500<br />
RESULTS_DIR = "results"<br />
</syntaxhighlight><br />
<br />
=== app.py ===<br />
<syntaxhighlight lang="python"><br />
from flask import Flask, render_template, jsonify, send_file<br />
import os<br />
import json<br />
from datetime import datetime<br />
from config import VK_TOKEN, COMMUNITY_INPUT, VIDEOS_LIMIT, RESULTS_DIR<br />
from vk_api_client import VKAPIClient<br />
from analyzer import VideoAnalyzer<br />
from visualizer import VideoVisualizer<br />
<br />
app = Flask(__name__)<br />
<br />
analysis_results = None<br />
analyzer_instance = None<br />
community_id = None<br />
<br />
def get_community_id():<br />
global community_id<br />
if community_id is not None:<br />
return community_id<br />
client = VKAPIClient()<br />
inp = COMMUNITY_INPUT.strip()<br />
if inp.lstrip('-').isdigit():<br />
community_id = int(inp)<br />
return community_id<br />
resolved = client.resolve_screen_name(inp)<br />
if resolved and resolved.get('type') == 'group':<br />
community_id = -resolved['object_id']<br />
return community_id<br />
return None<br />
<br />
def run_analysis():<br />
global analysis_results, analyzer_instance<br />
print("📊 Запуск анализа...")<br />
client = VKAPIClient()<br />
cid = get_community_id()<br />
if not cid:<br />
print("❌ Сообщество не найдено")<br />
return None<br />
<br />
print(f"📹 Получение видео из сообщества {cid} (макс. {VIDEOS_LIMIT})...")<br />
videos = client.get_community_videos(cid, VIDEOS_LIMIT)<br />
if not videos:<br />
print("❌ Видео не получены")<br />
return None<br />
<br />
author_ids = list(set(abs(v['owner_id']) for v in videos))<br />
user_ids = [uid for uid in author_ids if uid > 0]<br />
group_ids = [uid for uid in author_ids if uid < 0]<br />
<br />
authors_data = {}<br />
if user_ids:<br />
authors_data.update(client.get_user_info(user_ids))<br />
if group_ids:<br />
authors_data.update(client.get_group_info(group_ids))<br />
<br />
analyzer = VideoAnalyzer(videos, authors_data)<br />
analyzer_instance = analyzer<br />
<br />
os.makedirs(RESULTS_DIR, exist_ok=True)<br />
analyzer.df.to_csv(f"{RESULTS_DIR}/videos_data.csv", index=False, encoding='utf-8-sig')<br />
<br />
vis = VideoVisualizer(analyzer, RESULTS_DIR)<br />
vis.create_full_report()<br />
<br />
insights = analyzer.get_insights()<br />
trending = analyzer.get_trending_topics(20)<br />
<br />
with open(f"{RESULTS_DIR}/insights.json", 'w', encoding='utf-8') as f:<br />
json.dump(insights, f, ensure_ascii=False, indent=2, default=str)<br />
with open(f"{RESULTS_DIR}/trending_topics.json", 'w', encoding='utf-8') as f:<br />
json.dump(trending, f, ensure_ascii=False, indent=2)<br />
<br />
analysis_results = {<br />
'insights': insights,<br />
'trending': trending,<br />
'videos_count': len(videos),<br />
'analyzed_at': datetime.now().strftime("%Y-%m-%d %H:%M:%S"),<br />
'community_input': COMMUNITY_INPUT<br />
}<br />
print("✅ Анализ завершён")<br />
return analysis_results<br />
<br />
@app.route('/')<br />
def index():<br />
global analysis_results<br />
if analysis_results is None:<br />
analysis_results = run_analysis()<br />
if analysis_results is None:<br />
return "Ошибка: проверьте токен и ссылку на сообщество", 500<br />
return render_template('index.html', results=analysis_results)<br />
<br />
@app.route('/api/insights')<br />
def api_insights():<br />
global analysis_results<br />
if analysis_results is None:<br />
analysis_results = run_analysis()<br />
return jsonify(analysis_results.get('insights', {}))<br />
<br />
@app.route('/api/trending')<br />
def api_trending():<br />
global analysis_results<br />
if analysis_results is None:<br />
analysis_results = run_analysis()<br />
return jsonify(analysis_results.get('trending', []))<br />
<br />
@app.route('/api/top_videos')<br />
def api_top_videos():<br />
global analyzer_instance<br />
if analyzer_instance is None:<br />
run_analysis()<br />
top = analyzer_instance.get_top_videos(20)<br />
return jsonify(top.to_dict('records'))<br />
<br />
@app.route('/api/chart/<name>')<br />
def get_chart(name):<br />
chart_map = {<br />
'views': 'views_distribution.png',<br />
'duration': 'duration_analysis.png',<br />
'temporal': 'temporal_analysis.png',<br />
'trending': 'trending_topics.png',<br />
'engagement': 'engagement_analysis.png'<br />
}<br />
if name in chart_map:<br />
path = os.path.join(RESULTS_DIR, chart_map[name])<br />
if os.path.exists(path):<br />
return send_file(path, mimetype='image/png')<br />
return "Not found", 404<br />
<br />
@app.route('/refresh')<br />
def refresh():<br />
global analysis_results, analyzer_instance<br />
analysis_results = None<br />
analyzer_instance = None<br />
run_analysis()<br />
return "OK", 200<br />
<br />
if __name__ == '__main__':<br />
print("="*60)<br />
print("🎬 VK Video Analytics")<br />
print(f"Ссылка на сообщество: {COMMUNITY_INPUT}")<br />
print("Сервер: http://localhost:5000")<br />
print("="*60)<br />
app.run(debug=True, host='0.0.0.0', port=5000)<br />
</syntaxhighlight><br />
<br />
=== analyzer.py ===<br />
<syntaxhighlight lang="python"><br />
import pandas as pd<br />
import numpy as np<br />
from datetime import datetime<br />
from collections import Counter<br />
import re<br />
from typing import List, Dict<br />
<br />
class VideoAnalyzer:<br />
# Полный обновлённый список стоп-слов<br />
STOP_WORDS = {<br />
# ========== 1. Притяжательные и личные местоимения ==========<br />
'твой', 'твоя', 'твоё', 'твои', 'мой', 'моя', 'моё', 'мои', 'наш', 'наша', 'наше', 'наши',<br />
'ваш', 'ваша', 'ваше', 'ваши', 'его', 'её', 'их', 'свой', 'своя', 'своё', 'свои', 'я', 'ты',<br />
'мы', 'вы', 'он', 'она', 'оно', 'они',<br />
<br />
# ========== 2. Глаголы (основные формы) ==========<br />
# Бытовые и вспомогательные<br />
'быть', 'мочь', 'сказать', 'говорить', 'знать', 'делать', 'хотеть', 'любить', 'становиться',<br />
'являться', 'принимать', 'спрашивать', 'думать', 'полагать', 'надеяться', 'понимать', 'видеть',<br />
'слышать', 'помнить', 'считать', 'выглядеть', 'происходить', 'случаться', 'казаться', 'получаться',<br />
'получиться', 'идти', 'приходить', 'уходить', 'ехать', 'приезжать', 'работать', 'жить', 'есть',<br />
'иметь', 'давать', 'брать', 'получать', 'начинать', 'заканчивать', 'продолжать', 'пробовать',<br />
'пытаться', 'стараться', 'успевать', 'успеть', 'ждать', 'смотреть', 'слушать',<br />
# Дополнительные частые глаголы<br />
'рассказывать', 'показывать', 'объяснять', 'учить', 'учиться', 'играть', 'писать', 'читать',<br />
'пить', 'спать', 'вставать', 'ложиться', 'сидеть', 'стоять', 'лежать', 'бегать', 'ходить',<br />
'плавать', 'лететь', 'падать', 'садиться',<br />
# Глаголы в повелительном наклонении<br />
'послушай', 'послушайте', 'посмотри', 'посмотрите', 'представь', 'вообрази', 'поверь', 'пойми',<br />
'скажи', 'сделай', 'попробуй', 'давай', 'давайте',<br />
<br />
# ========== 3. Вводные слова и конструкции ==========<br />
# Уверенность / неуверенность<br />
'конечно', 'разумеется', 'несомненно', 'безусловно', 'бесспорно', 'действительно', 'наверное',<br />
'вероятно', 'возможно', 'может', 'должно', 'кажется', 'пожалуй', 'видимо', 'очевидно', 'правда',<br />
'само', 'собой', 'без', 'сомнения', 'в самом деле',<br />
# Связь мыслей<br />
'кстати', 'кстати сказать', 'к слову', 'итак', 'следовательно', 'значит', 'таким образом',<br />
'во-первых', 'во-вторых', 'в-третьих', 'наконец', 'далее', 'впрочем', 'напротив', 'наоборот',<br />
'в общем', 'в частности', 'кроме того', 'между прочим', 'главное', 'стало быть', 'например',<br />
'к примеру',<br />
# Эмоции и оценка<br />
'к счастью', 'к сожалению', 'к удивлению', 'к несчастью', 'к радости', 'на беду', 'к ужасу',<br />
'к стыду', 'чего доброго', 'не дай бог', 'слава богу', 'на радость', 'к моему стыду',<br />
# Источник сообщения<br />
'по-моему', 'по-твоему', 'по-нашему', 'по-вашему', 'говорят', 'по словам', 'по мнению',<br />
'по слухам', 'помнится', 'дескать', 'мол', 'как известно', 'слышно', 'сообщают',<br />
# Оформление мыслей<br />
'словом', 'одним словом', 'иными словами', 'так сказать', 'собственно говоря', 'вообще говоря',<br />
'вернее сказать', 'мягко выражаясь', 'видите ли', 'знаешь ли', 'понимаешь ли', 'поверьте',<br />
'вообразите', 'представьте', 'согласитесь', 'пожалуйста',<br />
# Другие вводные<br />
'в конце концов', 'в общем-то', 'на самом деле', 'в то же время', 'между тем', 'фактически',<br />
'буквально', 'обычно', 'как правило', 'по обыкновению', 'бывало', 'однажды',<br />
<br />
# ========== 4. Частицы, предлоги, союзы, прочая «вода» ==========<br />
# Частицы и усилители<br />
'как', 'что', 'это', 'вот', 'же', 'ли', 'не', 'ни', 'бы', 'ведь', 'уже', 'еще', 'только',<br />
'просто', 'прямо', 'именно', 'вовсе', 'совсем', 'очень', 'довольно', 'почти', 'примерно',<br />
'точно', 'реально', 'вообще', 'здесь', 'тут', 'там', 'этот', 'эта', 'эти', 'тот', 'та', 'то',<br />
'те', 'такой', 'такая', 'такое', 'такие', 'один', 'одна', 'одно', 'одни', 'какой', 'какая',<br />
'какое', 'какие', 'который', 'которая', 'которое', 'которые', 'весь', 'вся', 'всё', 'все',<br />
'любой', 'любая', 'любое', 'любые', 'некоторый', 'некоторая', 'некоторое', 'некоторые',<br />
'самый', 'самая', 'самое', 'самые', 'лучший', 'лучшая', 'лучшее', 'лучшие', 'хороший',<br />
'хорошая', 'хорошее', 'хорошие', 'новый', 'новая', 'новое', 'новые', 'легко', 'быстро',<br />
'бесплатно', 'сейчас', 'сегодня', 'завтра', 'всегда', 'никогда', 'можно', 'нужно', 'должен',<br />
'должна', 'должны',<br />
# Предлоги и союзы<br />
'в', 'во', 'на', 'по', 'из', 'от', 'до', 'для', 'за', 'под', 'над', 'перед', 'при', 'о', 'об',<br />
'про', 'через', 'у', 'с', 'со', 'без', 'и', 'а', 'но', 'или', 'если', 'когда', 'то', 'тогда',<br />
'чтобы', 'потому', 'что', 'так', 'как', 'потому что', 'так как'<br />
}<br />
<br />
def __init__(self, videos_data: List[Dict], authors_data: Dict):<br />
self.videos_data = videos_data<br />
self.authors_data = authors_data<br />
self.df = self._create_dataframe()<br />
<br />
def _create_dataframe(self) -> pd.DataFrame:<br />
rows = []<br />
for video in self.videos_data:<br />
title = video.get('title', '')<br />
hashtags = [w.lower() for w in title.split() if w.startswith('#')]<br />
owner_id = video.get('owner_id', 0)<br />
author_id = abs(owner_id)<br />
author_info = self.authors_data.get(author_id, {})<br />
likes = video.get('likes', {})<br />
likes_count = likes.get('count', 0) if isinstance(likes, dict) else int(likes) if likes else 0<br />
reposts = video.get('reposts', {})<br />
reposts_count = reposts.get('count', 0) if isinstance(reposts, dict) else int(reposts) if reposts else 0<br />
<br />
row = {<br />
'video_id': video.get('id'),<br />
'title': title,<br />
'title_clean': re.sub(r'[#\W]+', ' ', title).strip().lower(),<br />
'hashtags': hashtags,<br />
'duration': video.get('duration', 0),<br />
'views': video.get('views', 0),<br />
'comments': video.get('comments', 0),<br />
'likes': likes_count,<br />
'reposts': reposts_count,<br />
'date': datetime.fromtimestamp(video.get('date', 0)),<br />
'owner_id': owner_id,<br />
'author_id': author_id,<br />
'author_name': author_info.get('name', author_info.get('first_name', str(author_id))),<br />
'author_followers': author_info.get('followers_count', author_info.get('members_count', 0)),<br />
}<br />
row['engagement'] = row['likes'] + row['comments'] + row['reposts']<br />
row['engagement_rate'] = row['engagement'] / max(row['views'], 1)<br />
rows.append(row)<br />
<br />
df = pd.DataFrame(rows)<br />
df['duration_category'] = pd.cut(<br />
df['duration'],<br />
bins=[0, 60, 300, 1800, float('inf')],<br />
labels=['short (0-1 min)', 'medium (1-5 min)', 'long (5-30 min)', 'very long (>30 min)']<br />
)<br />
return df<br />
<br />
def analyze_by_duration(self) -> pd.DataFrame:<br />
return self.df.groupby('duration_category').agg(<br />
avg_views=('views', 'mean'),<br />
videos_count=('video_id', 'count')<br />
)<br />
<br />
def get_trending_topics(self, limit=10) -> List[Dict]:<br />
# Собираем слова из названий (очищенных от хэштегов и пунктуации)<br />
words = []<br />
for title in self.df['title_clean']:<br />
for w in title.split():<br />
# удаляем стоп-слова и короткие слова<br />
if len(w) > 3 and w not in self.STOP_WORDS:<br />
words.append(w)<br />
word_count = Counter(words)<br />
<br />
trending = []<br />
for word, cnt in word_count.most_common(50):<br />
videos = self.df[self.df['title_clean'].str.contains(word, na=False)]<br />
if len(videos) > 2:<br />
avg_views = videos['views'].mean()<br />
# трендовый балл = 30% частоты + 70% нормализованных просмотров<br />
score = (cnt * 0.3) + (avg_views / self.df['views'].max() * 0.7)<br />
trending.append({<br />
'topic': word,<br />
'type': 'word',<br />
'frequency': cnt,<br />
'avg_views': int(avg_views),<br />
'trending_score': round(score, 3),<br />
'videos_with_topic': len(videos)<br />
})<br />
<br />
trending.sort(key=lambda x: x['trending_score'], reverse=True)<br />
return trending[:limit]<br />
<br />
def get_temporal_analysis(self) -> Dict:<br />
df = self.df.copy()<br />
df['hour'] = df['date'].dt.hour<br />
df['weekday'] = df['date'].dt.day_name()<br />
hourly = df.groupby('hour')['views'].mean().round(0)<br />
weekday_order = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']<br />
weekday = df.groupby('weekday')['views'].mean().reindex(weekday_order).round(0)<br />
return {'hourly': hourly, 'weekday': weekday}<br />
<br />
def get_top_videos(self, limit=10) -> pd.DataFrame:<br />
return self.df.nlargest(limit, 'views')[['title', 'views', 'engagement', 'duration_category', 'date']]<br />
<br />
def get_insights(self) -> Dict:<br />
insights = {<br />
'total_videos': len(self.df),<br />
'total_views': int(self.df['views'].sum()),<br />
'avg_views': int(self.df['views'].mean()),<br />
'max_views': int(self.df['views'].max()),<br />
'best_duration': self.df.groupby('duration_category')['views'].mean().idxmax(),<br />
'best_hour': int(self.df.groupby(self.df['date'].dt.hour)['views'].mean().idxmax()),<br />
'best_weekday': self.df.groupby(self.df['date'].dt.day_name())['views'].mean().idxmax(),<br />
}<br />
return insights<br />
</syntaxhighlight><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45568
Анализ видеоконтента
2026-03-27T06:53:56Z
<p>Sseliverstova: </p>
<hr />
<div>== VK Video Analytics — Анализ видеоконтента ==<br />
<br />
'''Автор:''' Светлана Селиверстова<br />
<br />
'''Группа:''' АДЭУ-221 <br />
<br />
'''Дисциплина:''' Работа с API социальных сетей и облачных сервисов <br />
<br />
<br />
== Цель работы ==<br />
Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.<br />
<br />
== Задачи ==<br />
# Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).<br />
# Получить токен доступа для работы с данными.<br />
# Написать скрипт на Python для сбора до 500 видео из сообщества.<br />
# Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
# Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.<br />
# Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).<br />
# Оформить результаты в виде отчёта.<br />
<br />
== Технологии ==<br />
* '''Языки:''' Python, JavaScript, HTML/CSS<br />
* '''Библиотеки Python:''' requests, pandas, matplotlib, seaborn, wordcloud, flask<br />
* '''API:''' VK API (видео, пользователи, группы, разрешение имён)<br />
* '''Визуализация:''' Matplotlib, Seaborn, WordCloud<br />
* '''Веб-фреймворк:''' Flask<br />
<br />
== Диаграмма работы приложения «VK Video Analytics» ==<br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
== Структура проекта ==<br />
<br />
<pre><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
== Ход работы над проектом ==<br />
<br />
=== Этап 1. Написание Python-скрипта для сбора данных ===<br />
Установила необходимые библиотеки:<br />
<pre>pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<br />
Написала клиент для VK API с поддержкой:<br />
* Преобразования ссылки в ID через <code>utils.resolveScreenName</code><br />
* Пагинации для получения до 500 видео<br />
* Сбора информации об авторах (пользователи и группы)<br />
<br />
'''Результат:''' собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.<br />
<br />
=== Этап 2. Реализация фильтрации «лишних» слов ===<br />
Создала список стоп-слов, включающий:<br />
* Местоимения (твой, мой, его, их, я, ты, мы)<br />
* Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)<br />
* Вводные конструкции (кстати, наверное, конечно, по-моему)<br />
* Частицы, предлоги, союзы (в, на, и, а, но, или)<br />
* Общие слова (самый, хороший, новый, легко, сейчас)<br />
<br />
При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.<br />
<br />
=== Этап 3. Создание графиков и визуализации ===<br />
Реализовала модуль визуализации, который строит:<br />
* '''Топ-10 видео по просмотрам''' (горизонтальная столбчатая диаграмма)<br />
* '''Анализ длительности''' — средние просмотры и распределение по категориям<br />
* '''Временной анализ''' — средние просмотры по часам и дням недели<br />
* '''Облако ключевых слов''' (только значимые слова после фильтрации)<br />
* '''Анализ вовлечённости''' — зависимость вовлечённости от просмотров и по длительности<br />
<br />
=== Этап 4. Создание веб-интерфейса на Flask ===<br />
Разработала веб-приложение на Flask с маршрутами:<br />
* <code>/</code> — главная страница с аналитикой<br />
* <code>/api/insights</code> — JSON с ключевыми инсайтами<br />
* <code>/api/trending</code> — JSON с трендовыми темами<br />
* <code>/api/top_videos</code> — JSON с топ-20 видео<br />
* <code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков<br />
* <code>/refresh</code> — принудительное обновление данных<br />
<br />
HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.<br />
<br />
=== Этап 5. Тестирование и отладка ===<br />
Сервис доступен по адресу http://localhost:5000/<br />
Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано до 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).<br />
<br />
== Выводы ==<br />
В ходе работы над проектом я:<br />
* Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.<br />
* Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
* Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.<br />
* Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.<br />
* Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.<br />
<br />
== Интерфейс проекта ==<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45552
Анализ видеоконтента
2026-03-27T06:34:20Z
<p>Sseliverstova: </p>
<hr />
<div>== VK Video Analytics — Анализ видеоконтента ==<br />
<br />
'''Автор:''' Светлана Селиверстова<br />
<br />
'''Группа:''' АДЭУ-221 <br />
<br />
'''Дисциплина:''' Работа с API социальных сетей и облачных сервисов <br />
<br />
<br />
== Цель работы ==<br />
Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.<br />
<br />
== Задачи ==<br />
# Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).<br />
# Получить токен доступа для работы с данными.<br />
# Написать скрипт на Python для сбора до 500 видео из сообщества.<br />
# Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
# Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.<br />
# Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).<br />
# Оформить результаты в виде отчёта.<br />
<br />
== Технологии ==<br />
* '''Языки:''' Python, JavaScript, HTML/CSS<br />
* '''Библиотеки Python:''' requests, pandas, matplotlib, seaborn, wordcloud, flask<br />
* '''API:''' VK API (видео, пользователи, группы, разрешение имён)<br />
* '''Визуализация:''' Matplotlib, Seaborn, WordCloud<br />
* '''Веб-фреймворк:''' Flask<br />
<br />
== Диаграмма работы приложения «VK Video Analytics» ==<br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
== Структура проекта ==<br />
<br />
<pre><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
== Ход работы над проектом ==<br />
<br />
=== Этап 1. Написание Python-скрипта для сбора данных ===<br />
Установила необходимые библиотеки:<br />
<pre>pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<br />
Написала клиент для VK API с поддержкой:<br />
* Преобразования ссылки в ID через <code>utils.resolveScreenName</code><br />
* Пагинации для получения до 500 видео<br />
* Сбора информации об авторах (пользователи и группы)<br />
<br />
'''Результат:''' собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.<br />
<br />
=== Этап 2. Реализация фильтрации «лишних» слов ===<br />
Создала список стоп-слов, включающий:<br />
* Местоимения (твой, мой, его, их, я, ты, мы)<br />
* Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)<br />
* Вводные конструкции (кстати, наверное, конечно, по-моему)<br />
* Частицы, предлоги, союзы (в, на, и, а, но, или)<br />
* Общие слова (самый, хороший, новый, легко, сейчас)<br />
<br />
При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.<br />
<br />
=== Этап 3. Создание графиков и визуализации ===<br />
Реализовала модуль визуализации, который строит:<br />
* '''Топ-10 видео по просмотрам''' (горизонтальная столбчатая диаграмма)<br />
* '''Анализ длительности''' — средние просмотры и распределение по категориям<br />
* '''Временной анализ''' — средние просмотры по часам и дням недели<br />
* '''Облако ключевых слов''' (только значимые слова после фильтрации)<br />
* '''Анализ вовлечённости''' — зависимость вовлечённости от просмотров и по длительности<br />
<br />
=== Этап 4. Создание веб-интерфейса на Flask ===<br />
Разработала веб-приложение на Flask с маршрутами:<br />
* <code>/</code> — главная страница с аналитикой<br />
* <code>/api/insights</code> — JSON с ключевыми инсайтами<br />
* <code>/api/trending</code> — JSON с трендовыми темами<br />
* <code>/api/top_videos</code> — JSON с топ-20 видео<br />
* <code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков<br />
* <code>/refresh</code> — принудительное обновление данных<br />
<br />
HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.<br />
<br />
=== Этап 5. Тестирование и отладка ===<br />
Сервис доступен по адресу http://localhost:5000/<br />
Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано до 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).<br />
<br />
== Выводы ==<br />
В ходе работы над проектом я:<br />
* Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.<br />
* Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
* Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.<br />
* Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.<br />
* Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.<br />
<br />
== Скриншоты проекта ==<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45544
Анализ видеоконтента
2026-03-27T06:30:01Z
<p>Sseliverstova: </p>
<hr />
<div>== VK Video Analytics — Анализ видеоконтента ==<br />
<br />
'''Автор:''' Светлана Селиверстова<br />
<br />
'''Группа:''' АДЭУ-221 <br />
<br />
'''Дисциплина:''' Работа с API социальных сетей и облачных сервисов <br />
<br />
<br />
== Цель работы ==<br />
Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.<br />
<br />
== Задачи ==<br />
# Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).<br />
# Получить токен доступа для работы с данными.<br />
# Написать скрипт на Python для сбора до 500 видео из сообщества.<br />
# Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
# Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.<br />
# Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).<br />
# Оформить результаты в виде отчёта.<br />
<br />
== Технологии ==<br />
* '''Языки:''' Python, JavaScript, HTML/CSS<br />
* '''Библиотеки Python:''' requests, pandas, matplotlib, seaborn, wordcloud, flask<br />
* '''API:''' VK API (видео, пользователи, группы, разрешение имён)<br />
* '''Визуализация:''' Matplotlib, Seaborn, WordCloud<br />
* '''Веб-фреймворк:''' Flask<br />
<br />
== Диаграмма работы приложения «VK Video Analytics» ==<br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
== Структура проекта ==<br />
<br />
<pre><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
== Ход работы над проектом ==<br />
<br />
=== Этап 1. Написание Python-скрипта для сбора данных ===<br />
Установила необходимые библиотеки:<br />
<pre>pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<br />
Написала клиент для VK API с поддержкой:<br />
* Преобразования ссылки в ID через <code>utils.resolveScreenName</code><br />
* Пагинации для получения до 500 видео<br />
* Сбора информации об авторах (пользователи и группы)<br />
<br />
'''Результат:''' собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.<br />
<br />
=== Этап 2. Реализация фильтрации «лишних» слов ===<br />
Создала список стоп-слов, включающий:<br />
* Местоимения (твой, мой, его, их, я, ты, мы)<br />
* Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)<br />
* Вводные конструкции (кстати, наверное, конечно, по-моему)<br />
* Частицы, предлоги, союзы (в, на, и, а, но, или)<br />
* Общие слова (самый, хороший, новый, легко, сейчас)<br />
<br />
При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.<br />
<br />
=== Этап 3. Создание графиков и визуализации ===<br />
Реализовала модуль визуализации, который строит:<br />
* '''Топ-10 видео по просмотрам''' (горизонтальная столбчатая диаграмма)<br />
* '''Анализ длительности''' — средние просмотры и распределение по категориям<br />
* '''Временной анализ''' — средние просмотры по часам и дням недели<br />
* '''Облако ключевых слов''' (только значимые слова после фильтрации)<br />
* '''Анализ вовлечённости''' — зависимость вовлечённости от просмотров и по длительности<br />
<br />
=== Этап 4. Создание веб-интерфейса на Flask ===<br />
Разработала веб-приложение на Flask с маршрутами:<br />
* <code>/</code> — главная страница с аналитикой<br />
* <code>/api/insights</code> — JSON с ключевыми инсайтами<br />
* <code>/api/trending</code> — JSON с трендовыми темами<br />
* <code>/api/top_videos</code> — JSON с топ-20 видео<br />
* <code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков<br />
* <code>/refresh</code> — принудительное обновление данных<br />
<br />
HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.<br />
<br />
=== Этап 5. Тестирование и отладка ===<br />
Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).<br />
<br />
== Выводы ==<br />
В ходе работы над проектом я:<br />
* Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.<br />
* Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
* Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.<br />
* Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.<br />
* Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.<br />
<br />
== Скриншоты проекта ==<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45541
Анализ видеоконтента
2026-03-27T06:28:05Z
<p>Sseliverstova: </p>
<hr />
<div>== VK Video Analytics — Анализ видеоконтента ==<br />
<br />
'''Автор:''' Светлана Селиверстова<br />
<br />
'''Группа:''' АДЭУ-221 <br />
<br />
'''Дисциплина:''' Работа с API социальных сетей и облачных сервисов <br />
<br />
<br />
== Цель работы ==<br />
Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.<br />
<br />
== Задачи ==<br />
# Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).<br />
# Получить токен доступа для работы с данными.<br />
# Написать скрипт на Python для сбора до 500 видео из сообщества.<br />
# Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
# Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.<br />
# Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).<br />
# Оформить результаты в виде отчёта.<br />
<br />
== Технологии ==<br />
* '''Языки:''' Python, JavaScript, HTML/CSS<br />
* '''Библиотеки Python:''' requests, pandas, matplotlib, seaborn, wordcloud, flask<br />
* '''API:''' VK API (видео, пользователи, группы, разрешение имён)<br />
* '''Визуализация:''' Matplotlib, Seaborn, WordCloud<br />
* '''Веб-фреймворк:''' Flask<br />
<br />
== Диаграмма работы приложения «VK Video Analytics» ==<br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
== Структура проекта ==<br />
<br />
<pre><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
== Ход работы над проектом ==<br />
<br />
=== Этап 1. Написание Python-скрипта для сбора данных ===<br />
Установила необходимые библиотеки:<br />
<pre>pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<br />
Написала клиент для VK API с поддержкой:<br />
* Преобразования ссылки в ID через <code>utils.resolveScreenName</code><br />
* Пагинации для получения до 500 видео<br />
* Сбора информации об авторах (пользователи и группы)<br />
<br />
'''Результат:''' собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.<br />
<br />
=== Этап 2. Реализация фильтрации «лишних» слов ===<br />
Создала список стоп-слов, включающий:<br />
* Местоимения (твой, мой, его, их, я, ты, мы)<br />
* Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)<br />
* Вводные конструкции (кстати, наверное, конечно, по-моему)<br />
* Частицы, предлоги, союзы (в, на, и, а, но, или)<br />
* Общие слова (самый, хороший, новый, легко, сейчас)<br />
<br />
При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.<br />
<br />
=== Этап 3. Создание графиков и визуализации ===<br />
Реализовала модуль визуализации, который строит:<br />
* '''Топ-10 видео по просмотрам''' (горизонтальная столбчатая диаграмма)<br />
* '''Анализ длительности''' — средние просмотры и распределение по категориям<br />
* '''Временной анализ''' — средние просмотры по часам и дням недели<br />
* '''Облако ключевых слов''' (только значимые слова после фильтрации)<br />
* '''Анализ вовлечённости''' — зависимость вовлечённости от просмотров и по длительности<br />
<br />
=== Этап 4. Создание веб-интерфейса на Flask ===<br />
Разработала веб-приложение на Flask с маршрутами:<br />
* <code>/</code> — главная страница с аналитикой<br />
* <code>/api/insights</code> — JSON с ключевыми инсайтами<br />
* <code>/api/trending</code> — JSON с трендовыми темами<br />
* <code>/api/top_videos</code> — JSON с топ-20 видео<br />
* <code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков<br />
* <code>/refresh</code> — принудительное обновление данных<br />
<br />
HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.<br />
<br />
=== Этап 5. Тестирование и отладка ===<br />
Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).<br />
<br />
== Выводы ==<br />
В ходе работы над проектом я:<br />
* Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.<br />
* Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
* Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.<br />
* Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.<br />
* Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.<br />
<br />
== Скриншоты проекта ==<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45539
Анализ видеоконтента
2026-03-27T06:26:32Z
<p>Sseliverstova: </p>
<hr />
<div>== VK Video Analytics — Анализ видеоконтента ==<br />
<br />
'''Автор:''' Светлана Селиверстова<br />
<br />
'''Группа:''' АДЭУ-221 <br />
<br />
'''Дисциплина:''' Работа с API социальных сетей и облачных сервисов <br />
<br />
'''Статус проекта:''' Выполнен<br />
<br />
== Цель работы ==<br />
Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.<br />
<br />
== Задачи ==<br />
# Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).<br />
# Получить токен доступа для работы с данными.<br />
# Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.<br />
# Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
# Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.<br />
# Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).<br />
# Оформить результаты в виде отчёта.<br />
<br />
== Технологии ==<br />
* '''Языки:''' Python, JavaScript, HTML/CSS<br />
* '''Библиотеки Python:''' requests, pandas, matplotlib, seaborn, wordcloud, flask<br />
* '''API:''' VK API (видео, пользователи, группы, разрешение имён)<br />
* '''Визуализация:''' Matplotlib, Seaborn, WordCloud<br />
* '''Веб-фреймворк:''' Flask<br />
<br />
== Диаграмма работы приложения «VK Video Analytics» ==<br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
== Структура проекта ==<br />
<br />
<pre><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
== Ход работы над проектом ==<br />
<br />
=== Этап 1. Написание Python-скрипта для сбора данных ===<br />
Установила необходимые библиотеки:<br />
<pre>pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<br />
Написала клиент для VK API с поддержкой:<br />
* Преобразования ссылки в ID через <code>utils.resolveScreenName</code><br />
* Пагинации для получения до 500 видео<br />
* Сбора информации об авторах (пользователи и группы)<br />
<br />
'''Результат:''' собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.<br />
<br />
=== Этап 2. Реализация фильтрации «лишних» слов ===<br />
Создала список стоп-слов, включающий:<br />
* Местоимения (твой, мой, его, их, я, ты, мы)<br />
* Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)<br />
* Вводные конструкции (кстати, наверное, конечно, по-моему)<br />
* Частицы, предлоги, союзы (в, на, и, а, но, или)<br />
* Общие слова (самый, хороший, новый, легко, сейчас)<br />
<br />
При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.<br />
<br />
=== Этап 3. Создание графиков и визуализации ===<br />
Реализовала модуль визуализации, который строит:<br />
* '''Топ-10 видео по просмотрам''' (горизонтальная столбчатая диаграмма)<br />
* '''Анализ длительности''' — средние просмотры и распределение по категориям<br />
* '''Временной анализ''' — средние просмотры по часам и дням недели<br />
* '''Облако ключевых слов''' (только значимые слова после фильтрации)<br />
* '''Анализ вовлечённости''' — зависимость вовлечённости от просмотров и по длительности<br />
<br />
=== Этап 4. Создание веб-интерфейса на Flask ===<br />
Разработала веб-приложение на Flask с маршрутами:<br />
* <code>/</code> — главная страница с аналитикой<br />
* <code>/api/insights</code> — JSON с ключевыми инсайтами<br />
* <code>/api/trending</code> — JSON с трендовыми темами<br />
* <code>/api/top_videos</code> — JSON с топ-20 видео<br />
* <code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков<br />
* <code>/refresh</code> — принудительное обновление данных<br />
<br />
HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.<br />
<br />
=== Этап 5. Тестирование и отладка ===<br />
Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).<br />
<br />
== Выводы ==<br />
В ходе работы над проектом я:<br />
* Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.<br />
* Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
* Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.<br />
* Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.<br />
* Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.<br />
<br />
== Скриншоты проекта ==<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45538
Анализ видеоконтента
2026-03-27T06:25:51Z
<p>Sseliverstova: </p>
<hr />
<div>== VK Video Analytics — Анализ видеоконтента ==<br />
<br />
'''Автор:''' Светлана Селиверстова <br />
'''Группа:''' АДЭУ-221 <br />
'''Дисциплина:''' Работа с API социальных сетей и облачных сервисов <br />
'''Статус проекта:''' Выполнен<br />
<br />
== Цель работы ==<br />
Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.<br />
<br />
== Задачи ==<br />
# Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).<br />
# Получить токен доступа для работы с данными.<br />
# Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.<br />
# Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
# Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.<br />
# Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).<br />
# Оформить результаты в виде отчёта.<br />
<br />
== Технологии ==<br />
* '''Языки:''' Python, JavaScript, HTML/CSS<br />
* '''Библиотеки Python:''' requests, pandas, matplotlib, seaborn, wordcloud, flask<br />
* '''API:''' VK API (видео, пользователи, группы, разрешение имён)<br />
* '''Визуализация:''' Matplotlib, Seaborn, WordCloud<br />
* '''Веб-фреймворк:''' Flask<br />
<br />
== Диаграмма работы приложения «VK Video Analytics» ==<br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
== Структура проекта ==<br />
<br />
<pre><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
== Ход работы над проектом ==<br />
<br />
=== Этап 1. Написание Python-скрипта для сбора данных ===<br />
Установила необходимые библиотеки:<br />
<pre>pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<br />
Написала клиент для VK API с поддержкой:<br />
* Преобразования ссылки в ID через <code>utils.resolveScreenName</code><br />
* Пагинации для получения до 500 видео<br />
* Сбора информации об авторах (пользователи и группы)<br />
<br />
'''Результат:''' собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.<br />
<br />
=== Этап 2. Реализация фильтрации «лишних» слов ===<br />
Создала список стоп-слов, включающий:<br />
* Местоимения (твой, мой, его, их, я, ты, мы)<br />
* Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)<br />
* Вводные конструкции (кстати, наверное, конечно, по-моему)<br />
* Частицы, предлоги, союзы (в, на, и, а, но, или)<br />
* Общие слова (самый, хороший, новый, легко, сейчас)<br />
<br />
При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.<br />
<br />
=== Этап 3. Создание графиков и визуализации ===<br />
Реализовала модуль визуализации, который строит:<br />
* '''Топ-10 видео по просмотрам''' (горизонтальная столбчатая диаграмма)<br />
* '''Анализ длительности''' — средние просмотры и распределение по категориям<br />
* '''Временной анализ''' — средние просмотры по часам и дням недели<br />
* '''Облако ключевых слов''' (только значимые слова после фильтрации)<br />
* '''Анализ вовлечённости''' — зависимость вовлечённости от просмотров и по длительности<br />
<br />
=== Этап 4. Создание веб-интерфейса на Flask ===<br />
Разработала веб-приложение на Flask с маршрутами:<br />
* <code>/</code> — главная страница с аналитикой<br />
* <code>/api/insights</code> — JSON с ключевыми инсайтами<br />
* <code>/api/trending</code> — JSON с трендовыми темами<br />
* <code>/api/top_videos</code> — JSON с топ-20 видео<br />
* <code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков<br />
* <code>/refresh</code> — принудительное обновление данных<br />
<br />
HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.<br />
<br />
=== Этап 5. Тестирование и отладка ===<br />
Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).<br />
<br />
== Выводы ==<br />
В ходе работы над проектом я:<br />
* Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.<br />
* Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.<br />
* Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.<br />
* Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.<br />
* Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.<br />
<br />
== Скриншоты проекта ==<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45534
Анализ видеоконтента
2026-03-27T06:21:57Z
<p>Sseliverstova: </p>
<hr />
<div><br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<!-- Скриншоты проекта--><br />
<h3 style="color: #34495e;">Скриншоты проекта</h3><br />
<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45451
Анализ видеоконтента
2026-03-26T20:51:30Z
<p>Sseliverstova: </p>
<hr />
<div><br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<!-- Скриншоты проекта--><br />
<h3 style="color: #34495e;">Скриншоты проекта</h3><br />
<br />
[[Файл:Photo 5343610813345896930 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|800px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|800px]]<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45450
Анализ видеоконтента
2026-03-26T20:50:51Z
<p>Sseliverstova: </p>
<hr />
<div><br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<!-- Скриншоты проекта--><br />
<h3 style="color: #34495e;">Скриншоты проекта</h3><br />
<br />
[[Файл:Photo 5343610813345896930 w.jpg|500px]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|500px]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|500px]]<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45449
Анализ видеоконтента
2026-03-26T20:49:17Z
<p>Sseliverstova: </p>
<hr />
<div><br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<!-- Скриншоты проекта--><br />
<h3 style="color: #34495e;">Скриншоты проекта</h3><br />
<br />
[[Файл:Photo 5343610813345896930 w.jpg|мини]]<br />
<br />
[[Файл:Photo 5343610813345896931 w.jpg|мини]]<br />
<br />
[[Файл:Photo 5343610813345896929 w.jpg|мини]]<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Photo_5343610813345896929_w.jpg&diff=45448
Файл:Photo 5343610813345896929 w.jpg
2026-03-26T20:49:07Z
<p>Sseliverstova: </p>
<hr />
<div>1</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Photo_5343610813345896931_w.jpg&diff=45447
Файл:Photo 5343610813345896931 w.jpg
2026-03-26T20:48:50Z
<p>Sseliverstova: </p>
<hr />
<div>1</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Photo_5343610813345896930_w.jpg&diff=45445
Файл:Photo 5343610813345896930 w.jpg
2026-03-26T20:48:31Z
<p>Sseliverstova: </p>
<hr />
<div>1</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45442
Анализ видеоконтента
2026-03-26T20:42:39Z
<p>Sseliverstova: </p>
<hr />
<div><br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<!-- Скриншоты проекта--><br />
<h3 style="color: #34495e;">Скриншоты проекта</h3><br />
<br />
<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:%D0%A4%D0%B0%D0%B9%D0%BB3.jpeg&diff=45441
Файл:Файл3.jpeg
2026-03-26T20:39:56Z
<p>Sseliverstova: </p>
<hr />
<div></div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:%D0%A4%D0%B0%D0%B9%D0%BB2.jpeg&diff=45440
Файл:Файл2.jpeg
2026-03-26T20:39:37Z
<p>Sseliverstova: </p>
<hr />
<div></div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Photo_5343610813345896916_y.jpg&diff=45438
Файл:Photo 5343610813345896916 y.jpg
2026-03-26T20:39:09Z
<p>Sseliverstova: </p>
<hr />
<div></div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45437
Анализ видеоконтента
2026-03-26T20:37:55Z
<p>Sseliverstova: </p>
<hr />
<div><br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<!-- Скриншоты проекта--><br />
<h3 style="color: #34495e;">Скриншоты проекта</h3><br />
<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45423
Анализ видеоконтента
2026-03-26T20:24:23Z
<p>Sseliverstova: </p>
<hr />
<div><br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45422
Анализ видеоконтента
2026-03-26T20:24:08Z
<p>Sseliverstova: </p>
<hr />
<div>{{Понятие}}<br />
<div style="font-family: Arial, sans-serif; max-width: 900px; margin: 0 auto; padding: 20px;"><br />
<br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45419
Анализ видеоконтента
2026-03-26T20:23:29Z
<p>Sseliverstova: </p>
<hr />
<div><div style="font-family: Arial, sans-serif; max-width: 900px; margin: 0 auto; padding: 20px;"><br />
<br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45418
Анализ видеоконтента
2026-03-26T20:22:41Z
<p>Sseliverstova: </p>
<hr />
<div><div style="font-family: Arial, sans-serif; max-width: 900px; margin: 0 auto; padding: 20px;"><br />
<br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «лишних» слов</h4><br />
<p>Создала список стоп-слов, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<p>Проект можно развивать дальше: добавить анализ хэштегов, прогнозирование виральности на основе нейросетей, интеграцию с другими соцсетями (YouTube, Telegram), экспорт отчётов в PDF.</p><br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45417
Анализ видеоконтента
2026-03-26T20:21:48Z
<p>Sseliverstova: </p>
<hr />
<div><div style="font-family: Arial, sans-serif; max-width: 900px; margin: 0 auto; padding: 20px;"><br />
<br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «лишних» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «водяных» слов</h4><br />
<p>Создала список стоп-слов из 425 единиц, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<p>Проект можно развивать дальше: добавить анализ хэштегов, прогнозирование виральности на основе нейросетей, интеграцию с другими соцсетями (YouTube, Telegram), экспорт отчётов в PDF.</p><br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45415
Анализ видеоконтента
2026-03-26T20:20:55Z
<p>Sseliverstova: </p>
<hr />
<div><div style="font-family: Arial, sans-serif; max-width: 900px; margin: 0 auto; padding: 20px;"><br />
<br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «водяных» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<br />
<br />
<h4 style="color: #3498db;">Этап 1. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Реализация фильтрации «водяных» слов</h4><br />
<p>Создала список стоп-слов из 425 единиц, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 4. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<p>Проект можно развивать дальше: добавить анализ хэштегов, прогнозирование виральности на основе нейросетей, интеграцию с другими соцсетями (YouTube, Telegram), экспорт отчётов в PDF.</p><br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45403
Анализ видеоконтента
2026-03-26T20:12:17Z
<p>Sseliverstova: </p>
<hr />
<div><div style="font-family: Arial, sans-serif; max-width: 900px; margin: 0 auto; padding: 20px;"><br />
<br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «водяных» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
{{#mermaid:<br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
}}<br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<br />
<h4 style="color: #3498db;">Этап 1. Создание страницы в вики и выбор темы</h4><br />
<p>Создала страницу проекта на Digida MGPU через форму DigitalTool. Тема: «VK Video Analytics» — анализ видеоконтента ВКонтакте для поиска актуальных тем. Получила комментарий от преподавателя, уточнила требования к объёму выборки (до 500 видео) и фильтрации «водяных» слов.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Изучение VK API и получение токена</h4><br />
<p>Изучила документацию VK API. Пыталась создать приложение, но столкнулась с трудностями. Использовала сервис vkhost.github.io для получения временного токена. Позже разобралась с созданием собственного приложения, получила стабильный токен через standalone-приложение. Необходимые права: <code>video</code>, <code>groups</code>, <code>users</code>.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 4. Реализация фильтрации «водяных» слов</h4><br />
<p>Создала список стоп-слов из 425 единиц, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 6. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 7. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<p>Проект можно развивать дальше: добавить анализ хэштегов, прогнозирование виральности на основе нейросетей, интеграцию с другими соцсетями (YouTube, Telegram), экспорт отчётов в PDF.</p><br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82%D0%B0&diff=45397
Анализ видеоконтента
2026-03-26T20:02:35Z
<p>Sseliverstova: Новая страница: «<div style="font-family: Arial, sans-serif; max-width: 900px; margin: 0 auto; padding: 20px;"> <!-- Карточка проекта --> <div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"> <h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2> <p><b>Автор:</b> Светлана Сели...»</p>
<hr />
<div><div style="font-family: Arial, sans-serif; max-width: 900px; margin: 0 auto; padding: 20px;"><br />
<br />
<!-- Карточка проекта --><br />
<div style="background-color: #f0f8ff; padding: 15px; border-radius: 10px; margin-bottom: 25px;"><br />
<h2 style="color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 8px;">🎬 VK Video Analytics — Анализ видеоконтента</h2><br />
<p><b>Автор:</b> Светлана Селиверстова </p><br />
<p><b>Группа:</b> АДЭУ-221</p><br />
<p><b>Дисциплина:</b> Работа с API социальных сетей и облачных сервисов</p><br />
<p><b>Статус проекта:</b> Выполнен</p><br />
</div><br />
<br />
<!-- Цель проекта --><br />
<h3 style="color: #34495e;">Цель работы</h3><br />
<p>Разработать инструмент для анализа видеоконтента из открытых источников (VK) с целью выявления актуальных тем, изучения принципов работы [[API]] и создания интерактивного веб-интерфейса для визуализации метрик.</p><br />
<br />
<!-- Задачи --><br />
<h3 style="color: #34495e;">Задачи</h3><br />
<ol><br />
<li>Изучить документацию VK API (методы <code>video.get</code>, <code>users.get</code>, <code>groups.getById</code>, <code>utils.resolveScreenName</code>).</li><br />
<li>Получить токен доступа для работы с данными.</li><br />
<li>Написать скрипт на Python для сбора до 500 видео из сообщества с пагинацией.</li><br />
<li>Реализовать фильтрацию «водяных» слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Построить графики: топ-10 видео, анализ длительности, временная активность, облако ключевых слов, вовлечённость.</li><br />
<li>Создать веб-интерфейс на Flask для отображения аналитики в браузере (localhost).</li><br />
<li>Оформить результаты в виде отчёта.</li><br />
</ol><br />
<br />
<!-- Планируемый стек технологий --><br />
<h3 style="color: #34495e;">Технологии</h3><br />
<ul><br />
<li><b>Языки:</b> Python, JavaScript, HTML/CSS</li><br />
<li><b>Библиотеки Python:</b> requests, pandas, matplotlib, seaborn, wordcloud, flask</li><br />
<li><b>API:</b> VK API (видео, пользователи, группы, разрешение имён)</li><br />
<li><b>Визуализация:</b> Matplotlib, Seaborn, WordCloud</li><br />
<li><b>Веб-фреймворк:</b> Flask</li><br />
</ul><br />
<br />
<!-- Диаграмма работы приложения --><br />
<h3 style="color: #34495e;">Диаграмма работы приложения «VK Video Analytics»</h3><br />
<br />
<div style="text-align: center; margin: 20px 0;"><br />
<pre style="background: #f4f4f4; padding: 15px; border-radius: 10px; text-align: left; overflow-x: auto;"><br />
flowchart TB<br />
A[Пользователь вводит ссылку на сообщество] --> B(Flask получает COMMUNITY_INPUT)<br />
B --> C{VK API: utils.resolveScreenName}<br />
C -->|Сообщество найдено| D[Получен числовой ID сообщества]<br />
C -->|Не найдено| E[Ошибка: сообщество не существует]<br />
D --> F[VK API: video.get с пагинацией]<br />
F --> G{Видео получены?}<br />
G -->|Нет| H[Ошибка: нет видео]<br />
G -->|Да| I[Сбор информации об авторах<br>users.get / groups.getById]<br />
I --> J[Создание DataFrame pandas<br>расчёт метрик: просмотры, вовлечённость]<br />
J --> K[Очистка текста названий]<br />
K --> L[Фильтрация стоп-слов<br>местоимения, глаголы, вводные]<br />
L --> M[Анализ и построение графиков]<br />
M --> N[Сохранение результатов<br>CSV, PNG, JSON]<br />
N --> O[Flask рендерит HTML-страницу]<br />
O --> P[Браузер отображает аналитику<br>графики + трендовые темы]<br />
</pre><br />
<p><i>Схема работы: от ввода ссылки до отображения аналитики в браузере</i></p><br />
</div><br />
<br />
<!-- Структура проекта --><br />
<h3 style="color: #34495e;">Структура проекта</h3><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 15px; border-radius: 10px; overflow-x: auto;"><br />
vk_video_analytics/<br />
├── config.py # настройки: токен, ссылка, лимиты<br />
├── vk_api_client.py # работа с VK API (пагинация, resolveScreenName)<br />
├── analyzer.py # аналитика: DataFrame, стоп-слова, тренды<br />
├── visualizer.py # построение графиков (matplotlib, wordcloud)<br />
├── app.py # веб-сервер Flask<br />
├── templates/<br />
│ └── index.html # HTML-шаблон с графиками и трендами<br />
├── results/ # папка с результатами (создаётся автоматически)<br />
│ ├── videos_data.csv # все собранные данные<br />
│ ├── *.png # графики<br />
│ └── *.json # инсайты и тренды<br />
└── requirements.txt # зависимости<br />
</pre><br />
<br />
<!-- Ход работы над проектом --><br />
<h3 style="color: #34495e;">Ход работы над проектом</h3><br />
<br />
<div style="background-color: #f9f9f9; border-radius: 10px; padding: 20px; margin: 20px 0;"><br />
<br />
<h4 style="color: #3498db;">Этап 1. Создание страницы в вики и выбор темы</h4><br />
<p>Создала страницу проекта на Digida MGPU через форму DigitalTool. Тема: «VK Video Analytics» — анализ видеоконтента ВКонтакте для поиска актуальных тем. Получила комментарий от преподавателя, уточнила требования к объёму выборки (до 500 видео) и фильтрации «водяных» слов.</p><br />
<br />
<h4 style="color: #3498db;">Этап 2. Изучение VK API и получение токена</h4><br />
<p>Изучила документацию VK API. Пыталась создать приложение, но столкнулась с трудностями. Использовала сервис vkhost.github.io для получения временного токена. Позже разобралась с созданием собственного приложения, получила стабильный токен через standalone-приложение. Необходимые права: <code>video</code>, <code>groups</code>, <code>users</code>.</p><br />
<br />
<h4 style="color: #3498db;">Этап 3. Написание Python-скрипта для сбора данных</h4><br />
<p>Установила необходимые библиотеки:</p><br />
<pre style="background: #2d2d2d; color: #f8f8f2; padding: 10px; border-radius: 5px;">pip install requests pandas matplotlib seaborn wordcloud flask</pre><br />
<p>Написала клиент для VK API с поддержкой:</p><br />
<ul><br />
<li>Преобразования ссылки в ID через <code>utils.resolveScreenName</code></li><br />
<li>Пагинации для получения до 500 видео</li><br />
<li>Сбора информации об авторах (пользователи и группы)</li><br />
</ul><br />
<p><b>Результат:</b> собран DataFrame с полями: <code>title</code>, <code>views</code>, <code>duration</code>, <code>date</code>, <code>engagement</code> и др.</p><br />
<br />
<h4 style="color: #3498db;">Этап 4. Реализация фильтрации «водяных» слов</h4><br />
<p>Создала список стоп-слов из 425 единиц, включающий:</p><br />
<ul><br />
<li>Местоимения (твой, мой, его, их, я, ты, мы)</li><br />
<li>Глаголы (быть, сказать, делать, хотеть, любить, идти, работать)</li><br />
<li>Вводные конструкции (кстати, наверное, конечно, по-моему)</li><br />
<li>Частицы, предлоги, союзы (в, на, и, а, но, или)</li><br />
<li>Общие слова (самый, хороший, новый, легко, сейчас)</li><br />
</ul><br />
<p>При построении облака слов и поиске трендовых тем эти слова исключаются, остаются только смысловые ключевые слова.</p><br />
<br />
<h4 style="color: #3498db;">Этап 5. Создание графиков и визуализации</h4><br />
<p>Реализовала модуль визуализации, который строит:</p><br />
<ul><br />
<li><b>Топ-10 видео по просмотрам</b> (горизонтальная столбчатая диаграмма)</li><br />
<li><b>Анализ длительности</b> — средние просмотры и распределение по категориям</li><br />
<li><b>Временной анализ</b> — средние просмотры по часам и дням недели</li><br />
<li><b>Облако ключевых слов</b> (только значимые слова после фильтрации)</li><br />
<li><b>Анализ вовлечённости</b> — зависимость вовлечённости от просмотров и по длительности</li><br />
</ul><br />
<br />
<h4 style="color: #3498db;">Этап 6. Создание веб-интерфейса на Flask</h4><br />
<p>Разработала веб-приложение на Flask с маршрутами:</p><br />
<ul><br />
<li><code>/</code> — главная страница с аналитикой</li><br />
<li><code>/api/insights</code> — JSON с ключевыми инсайтами</li><br />
<li><code>/api/trending</code> — JSON с трендовыми темами</li><br />
<li><code>/api/top_videos</code> — JSON с топ-20 видео</li><br />
<li><code>/api/chart/&lt;name&gt;</code> — отдача PNG-графиков</li><br />
<li><code>/refresh</code> — принудительное обновление данных</li><br />
</ul><br />
<p>HTML-шаблон адаптивный, отображает все графики и тренды в удобной сетке.</p><br />
<br />
<h4 style="color: #3498db;">Этап 7. Тестирование и отладка</h4><br />
<p>Провела тестирование на сообществе <code>https://vk.com/vkvideo</code>. Собрано 500 видео, построены графики. Проверила фильтрацию стоп-слов — в облаке слов и трендах остались только смысловые темы (например, «кино», «сериал», «премьера», «трейлер»).</p><br />
</div><br />
<br />
<!-- ИТОГОВЫЙ РЕЗУЛЬТАТ --><br />
<div style="background-color: #eef2f5; padding: 20px; border-radius: 15px; margin: 30px 0; text-align: center; border-left: 4px solid #3498db;"><br />
<h3 style="color: black;">Итог проекта</h3><br />
<p style="font-size: 18px;">Создан работающий инструмент для анализа видеоконтента ВКонтакте с веб-интерфейсом</p><br />
<p>До 500 видео анализируется &nbsp;|&nbsp; 5 типов графиков &nbsp;|&nbsp; 425 стоп-слов для фильтрации &nbsp;|&nbsp; Автоматическое определение сообщества по ссылке</p><br />
<p><small>Проект выполнен в рамках дисциплины «Работа с API социальных сетей и облачных сервисов»</small></p><br />
</div><br />
<br />
<!-- ВЫВОДЫ --><br />
<h3 style="color: #34495e;">Выводы</h3><br />
<p>В ходе работы над проектом я:</p><br />
<ul><br />
<li>Научилась работать с VK API — получать токен, делать запросы с пагинацией, обрабатывать ответы, использовать <code>resolveScreenName</code> для преобразования ссылок.</li><br />
<li>Освоила очистку текстовых данных: фильтрацию стоп-слов (местоимения, глаголы, вводные конструкции) для выделения смысловых тем.</li><br />
<li>Создала комплексную аналитику видеоконтента: топ видео, анализ длительности, временную активность, вовлечённость, облако ключевых слов.</li><br />
<li>Разработала веб-приложение на Flask с интерактивным интерфейсом и графиками.</li><br />
<li>Поняла, как устроены современные сервисы аналитики контента, собирающие данные через открытые API.</li><br />
</ul><br />
<p>Проект можно развивать дальше: добавить анализ хэштегов, прогнозирование виральности на основе нейросетей, интеграцию с другими соцсетями (YouTube, Telegram), экспорт отчётов в PDF.</p><br />
<br />
</div><br />
<br />
[[Категория:Работа с API]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:Sseliverstova&diff=45396
Участник:Sseliverstova
2026-03-26T20:00:27Z
<p>Sseliverstova: </p>
<hr />
<div>{{UserMGPU<br />
|Description=Студентка адэу-221. 4 курс<br />
|Field_of_knowledge=Математика, Экономика, Управление, Большие данные, Моделирование<br />
|Website=http://digida.mgpu.ru/index.php/Участник:SeleverstovaSN<br />
|Ancestors=Дьюи<br />
|similar_concepts=Приложения, Аналитика<br />
|Environment=Python, SQL, JavaScript<br />
|Position=Бакалавриат<br />
|Profile=Экономика<br />
|PedDirection=Нет<br />
|Community=GitHub<br />
|Виды_спорта=Настольный теннис<br />
|Working_On= Анализ видеоконтента<br />
}}<br />
[[Категория:UserMGPU]]<br />
[[Категория:АДЭУ-221]]</div>
Sseliverstova
http://digida.mgpu.ru/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:Sseliverstova&diff=45394
Участник:Sseliverstova
2026-03-26T19:59:52Z
<p>Sseliverstova: Новая страница: «{{UserMGPU |Description=Студентка адэу-221. 4 курс |Field_of_knowledge=Математика, Экономика, Управление, Большие данные, Моделирование |Website=http://digida.mgpu.ru/index.php/Участник:SeleverstovaSN |Ancestors=Дьюи |similar_concepts=Приложения, Аналитика |Environment=Python, SQL, JavaScript |Position=Бакалавриат |Profile=Экономика |Ped...»</p>
<hr />
<div>{{UserMGPU<br />
|Description=Студентка адэу-221. 4 курс<br />
|Field_of_knowledge=Математика, Экономика, Управление, Большие данные, Моделирование<br />
|Website=http://digida.mgpu.ru/index.php/Участник:SeleverstovaSN<br />
|Ancestors=Дьюи<br />
|similar_concepts=Приложения, Аналитика<br />
|Environment=Python, SQL, JavaScript<br />
|Position=Бакалавриат<br />
|Profile=Экономика<br />
|PedDirection=Нет<br />
|Community=GitHub<br />
|Виды_спорта=Настольный теннис<br />
|Working_On= Мини-игры<br />
}}<br />
[[Категория:UserMGPU]]<br />
[[Категория:АДЭУ-221]]</div>
Sseliverstova