[![996.icu](https://img.shields.io/badge/link-996.icu-red.svg)](https://996.icu)
#### Customer_satisfaction_Analysis
[![Stargazers over time](https://starchart.cc/CarryChang/Customer_Satisfaction_Analysis.svg)](https://starchart.cc/CarryChang/Customer_Satisfaction_Analysis)
##### 结果整合
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/情感分析图.png"></div>
##### Demo 演示
- [视频演示demo](https://github.com/CarryChang/C-CNN-for-Chinese-Sentiment-Analysis/blob/master/video/demo.mp4)
- [详细步骤](https://www.lanqiao.cn/courses/2628)
##### 基于用户 UGC 的在线民宿满意度挖掘,负责数据采集、主题抽取、情感分析等任务。开发的目的是克服用户打分和评论不一致,实现了在线评论采集和用户满意度分析。
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/不一致.png"></div>
##### 主要功能包括在线原始评论采集、主题聚类、评论情感分析与结果可视化展示等四个模块,如下所示。
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/流程.png"></div>
>1. 提取后的民宿地址和在线评论等信息如下。
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/数据库.png"></div>
>2. 搭建了百度地图 POI 查询入口,可以进行自动化的批量查询地理信息。
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/地址.png"></div>
> 3. 通过高频词可视化展示,归纳出评论主题。
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/gaopin1.png"></div>
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/高频2.png"></div>
> 4. 构建了基于在线民宿语料的 LDA 自动化主题聚类模型,利用主题中心词能找出对应的主题属性字典,并使用用户打分作为标注,然后通过多种分类模型,选用最优模型对提出的评价主体 进行情感分析,针对主题属性表进行主题提取后的文本进行情感分析,分别得出当前主题对应的情感趋势,横坐标为所有关于主题为“环境”的情感得分,纵坐标为对应的情感的条数,可以起到纵观当前“环境”主题下的情感趋势,趋势往右代表当前主题评价较好,总共有{“交通”,“价格”,“体验”,“服务”,“特色”,“环境”,“设施”,“餐饮”}的主题,选取“环境”主题进行可视化之后的结果如下图所示。
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/lda_topic_select.png"></div>
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/lda_topic_select1.png"></div>
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/主题.png"></div>
> 5. 通过POI热力图的方式对在线民宿满意度进行展示。
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/poi可视化.png"></div>
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/poi打分.png"></div>
> 6. 代码结构如下。
<div align=center><img src="https://github.com/CarryChang/Customer_Satisfaction_Analysis/blob/master/pic/结构1.png"></div>
##### 新版本特性
> 1. 使用 litNLP 深度情感推理
> 2. 增加多进程提高多个 topic 下的文本匹配速度
> 3. Project_Main.py 直接完成细粒度情感极性可视化操作
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于在线民宿 UGC 数据的意见挖掘项目,包含数据挖掘和NLP 相关的处理,负责数据采集、主题抽取、情感分析等任务。目的是克服用户打分和评论不一致,实时对在线民宿的满意度评测,包含在线评论采集和情感可视化分析。搭建了百度地图POI查询入口,可以进行自动化的批量查询 POI 信息的功能;构建了基于在线民宿语料的 LDA 自动主题聚类模型,利用主题中心词能找出对应的主题属性字典;以用户打分作为标注,然后 litNlp 自带的字符级 TextCNN 进行情感分析,将情感分类概率分布作为情感趋势,最后通过 POI 热力图的方式对不同地域的民宿满意度进行展示。
资源推荐
资源详情
资源评论
收起资源包目录
Customer_Satisfaction_Analysis-master.7z (33个子文件)
commit_processing.py 1KB
pic
模型对比2.png 14KB
lda_topic_select.png 22KB
poi打分.png 88KB
数据库.png 189KB
地址.png 101KB
情感分析图.png 18KB
文本分类.png 13KB
主题.png 14KB
流程.png 23KB
gaopin1.png 15KB
lda_topic_select1.png 46KB
不一致.png 31KB
高频2.png 167KB
模型对比.png 23KB
结构1.png 6KB
poi可视化.png 90KB
各主题分数.png 18KB
data
text_resource.txt 997KB
label_comment.csv 7.15MB
geo_data.csv 10KB
xiecheng_ugc.csv 1.7MB
sentence_cut.txt 924KB
model_saved
init.py 43B
LICENSE 11KB
sa_model_predict.py 436B
LDA_Topic_Select.py 4KB
Project_Main.py 2KB
setting.py 2KB
requirement.txt 93B
README.md 4KB
sa_analysis.py 1KB
sa_model_train.py 813B
共 33 条
- 1
资源评论
博士僧小星
- 粉丝: 2261
- 资源: 5991
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功