基于点评餐饮评论数据的情感分析
【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
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3961597.html