基于点评餐饮评论数据的情感分析

发布时间：2024-04-21 23:22

　　随着互联网的井喷式地发展和020电子商务的深化,020企业获得了海量的用户数据,如何挖掘数据中潜在的商业价值是人们关心的重点。其中,餐饮领域的互联网化,越来越多的消费者开始习惯通过参考网络评论来了解餐饮企业的服务水平,进而做出消费决策。因此,如何帮助消费者迅速地从海量网络评论中找出他们关心的重点问题,又如何让商家从海量的网络评论中寻找到自已经营的弱点以改善经营状况,成为了本文研究的重点。本文将当下比较成熟的文本分析的方法运用到餐饮领域的评论中去。本文首先将传统的TF-IDF特征、LogRatio特征和word2vec词向量进行组合,构造了可以降低文本向量空间维度的特征,并利用机器学习中的监督学习方法预测文本的情感极性,训练出了较为稳定的分类模型。其次,本文通过对餐饮领域的业务理解,构造了基于句法分析的维度匹配规则对评论数据进行挖掘,更深入的了解评论者对于餐饮企业不同维度的打分。最后,本文自定义了基于消费者对于餐饮企业不同维度打分的公式,并以雷达图的形式展示了以餐饮企业为单位的门店画像,该图可以直观地为消费者挑选餐饮企业消费提供重要参考价值,也能帮助餐饮企业主及时改进自身经营的不足。本文...

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

图２－１?ＣＢＯＷ模型、Ｓｋｉｐ－Ｇｒａｍ模型示例语句??

来研宄词和词之间的关系。ｗｏｒｄ２ｖｃｃ是谷歌推出的??一款可以训练词向量的工具，ｗ〇ｒｄ２ｖｅＣ工具的性能非常强，可在上亿级别的文??本数据集上训练，并可将每一个词语映射为特定欧式空间中的一个词向量。??ｗｏｒｄ２ｖｅｃ?主要包括两种重要的模型：ＣＢＯＷ（Ｃｏｎｔｉｎｏｕｓ?Ｂ....

图２－２二维线性可分数据集??

另外两种不同可行方案，其中中间的实线即为超平面。每个超平面都对应??了一个线性分类器。虽然这两个分类器的分类结果是一样的，但如果考虑潜在的??其他数据，则两者的分类性能是有差別的。??＂?Ａ??？?？／?／?／?？??ｍ?＃?？?’?／?／＿?＿??＃?ｍ?參／?／?／參?鬱／＾....

图３－１餐饮评论数据示例（带“ｘ”的数据均为隐匿原始真实信息考虑）??其中，ＳＨ０Ｐ＿ＩＤ表示某家餐饮企业在大众点评网的ＩＤ信息，ＣＯＭＭＥＮＴＪＪＳＥＲ??

餐饮丨平论数据的怡感分析??第３章文本预处理和特征工程??３．１数据来源??本文所使用的餐饮评论数据为２０１６年５月到２０１６年１１月之间大众点评网??在上海地区部分餐饮店铺的评论数据，共５６９２２７条。该评论数据主要内容是在??该餐饮门店消费的消费者或者从网上下订单的外卖消费者....

图５－１某餐饮门店不同维度的消费者偏好雷达图??图中的红色线条为０．?５的分界线，分值低于０．?５且分值越小，表明该维度的??

第５章餐饮企业门店画像分析?基亍点评餐饮评论数据的情感分析??某餐饮门店不同维度的消费者偏好雷达图??ｍｍｍｎ．??上蕖及时搀饑蕤囊麗??Ｘ?Ｘ，?＂?＆?＇?＇？??ａｍｍｎ?－?－?＼?＇、、／?？?＼?／?＾?门祕墉??ｖ?、乙，’。－??ａ＆轉ｉｓ??象物〇崃＇?ｉｎｍ?....

本文编号：3961597