# 细粒度用户评论情感分析
在线评论的细粒度情感分析对于深刻理解商家和用户、挖掘用户情感等方面有至关重要的价值,并且在互联网行业有极其广泛的应用,主要用于个性化推荐、智能搜索、产品反馈、业务安全等。
## 依赖
- Python 3.5
- PyTorch 0.4
## 数据集
使用 AI Challenger 2018 的细粒度用户评论情感分析数据集,共包含6大类20个细粒度要素的情感倾向。
### 数据说明
数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次,层次一为粗粒度的评价对象,例如评论文本中涉及的服务、位置等要素;层次二为细粒度的情感对象,例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。评价对象的具体划分如下表所示。
![image](https://github.com/foamliu/Sentiment-Analysis/raw/master/images/PingJiaDuiXiang.JPG)
每个细粒度要素的情感倾向有四种状态:正向、中性、负向、未提及。使用[1,0,-1,-2]四个值对情感倾向进行描述,情感倾向值及其含义对照表如下所示:
![image](https://github.com/foamliu/Sentiment-Analysis/raw/master/images/QingGanQingXiang.JPG)
数据标注示例如下:
![image](https://github.com/foamliu/Sentiment-Analysis/raw/master/images/ShuJuShiLi.JPG)
请到[官网链接](https://challenger.ai/dataset/fsaouord2018)下载数据集。
## 用法
### 数据预处理
提取训练和验证样本:
```bash
$ python extract.py
$ python pre-process.py
```
### 训练
```bash
$ python train.py
```
要想可视化训练过程,在终端中运行:
```bash
$ tensorboard --logdir path_to_current_dir/logs
```
### Demo
下载 [预训练模型](https://github.com/foamliu/Sentiment-Analysis/releases/download/v1.0/BEST_checkpoint.tar) 放在 models 目录然后执行:
```bash
$ python demo.py
```
<p>
"自从成为点评VIP后,每次出去吃饭都有种使命感,要留下自己对饭店最真实的印象,供大家参考。这家西贝在大宁的大润发楼上,五楼,停车是大宁的停车场,每小时8元,可以停到地下,坐自达电梯到五楼。我们是周四晚上6点到的,没有排队。饭店提供基本款宝宝椅和宝宝餐具。我们点了西贝面筋,其实就是大拉皮;点了烧羊棒,按根数点的,肉比较嫩,可以和服务员要辣椒和孜然粉;点了莜面鱼鱼,类似面食,带汤,口味很好,宝宝爱吃;点了大盘鸡,份量一般,味道还行;还点了每次必要的牛心菜,很下饭的叶子菜。上菜速度很快,服务员也不错,基本随叫随到,最后我还特意要了份湿巾,服务员也很热情的拿过来。整体感觉不错,不过现在没有提供的瓜子了,餐前的小米粥还是有的。"
</p>
|层次一|层次二|标注|-|层次一|层次二|标注|
|---|---|---|-|---|---|---|
|位置|交通是否便利|1|-|环境|装修情况|1|
|位置|距离商圈远近|-2|-|环境|嘈杂情况|-2|
|位置|是否容易寻找|1|-|环境|就餐空间|0|
|服务|排队等候时间|-2|-|环境|卫生情况|-2|
|服务|服务人员态度|-2|-|菜品|分量|1|
|服务|是否容易停车|-2|-|菜品|口感|1|
|服务|点菜/上菜速度|-2|-|菜品|外观|1|
|价格|价格水平|0|-|菜品|推荐程度|1|
|价格|性价比|-2|-|其他|本次消费感受|1|
|价格|折扣力度|1|-|其他|再次消费的意愿|1|
<p>
"停车的时候就有管理人员出来迎接指导,进店告知我们是中了霸王餐来的,服务人员很热情地给我们安排好位置。我们选了套餐一,规定是3到3.5斤的鱼,他们居然给我们选了4.2斤的,太赞了。属于东北菜系,那种大锅烧的,套餐里有6个玉米饼,工作人员建议我们做3个,剩下的做成玉米面,小朋友很爱吃,微辣,她辣到了还是说好吃。一锅的料超足,工作人员服务非常到位,经常来问咸淡如何,火候,味道,第二赞。最后说下这套餐,量很足,我们2大1小来的,吃剩了点。一条活鱼还有活虾,点了6个炖菜,在烧的过程中就闻着超香,小朋友都说好想吃了。鱼肉和虾很鲜,刚开吃觉得略咸,可能东北菜口味偏重,加了点汤底,后面吃起来就好多了。还有餐前上的一盘腌萝卜很脆很爽口。菜品很好,这是第三赞。最后再赞下和善的老板,漂亮的老板娘,还有一群服务热情又周到的工作人员。谢谢!"
</p>
|层次一|层次二|标注|-|层次一|层次二|标注|
|---|---|---|-|---|---|---|
|位置|交通是否便利|1|-|环境|装修情况|1|
|位置|距离商圈远近|1|-|环境|嘈杂情况|1|
|位置|是否容易寻找|1|-|环境|就餐空间|-1|
|服务|排队等候时间|-2|-|环境|卫生情况|1|
|服务|服务人员态度|1|-|菜品|分量|1|
|服务|是否容易停车|-2|-|菜品|口感|1|
|服务|点菜/上菜速度|-2|-|菜品|外观|-2|
|价格|价格水平|-2|-|菜品|推荐程度|1|
|价格|性价比|-2|-|其他|本次消费感受|1|
|价格|折扣力度|1|-|其他|再次消费的意愿|-2|
<p>
"记得上次来汇通大厦还是江边城外最红火的时候,那排队的阵势世俗罕见,今天再来发觉汇通大厦更加破旧了。。而且一楼乘电梯的时候还有一股恶臭。。先不说这些,工作日下午六点到达哥老官门口,小桌拿到16号,排队人不算少,最终等了一个半小时终于进去了。。进去关注他们公众号就可以玩一次娃娃机,抽一个素菜。。我们抽到大白菜。。外面环境一塌糊涂,店内装修倒是还不错,还算比较干净的。我们点了8只牛蛙,不太喜欢,锅底加了牛油,因为希望更辣一些。上菜速度还蛮快的,牛蛙个头很大,肉质嫩滑,超级推荐。但是总体来说辣度还不够,没有辣到爽的感觉,美中不足啊。猪脑没有了也比较遗憾,不过血和豆腐都很好吃,服务员态度也都蛮好。总的来说是一次很愉快的用餐体验哈,如果不要排队的话下次还是会再去的。"
</p>
|层次一|层次二|标注|-|层次一|层次二|标注|
|---|---|---|-|---|---|---|
|位置|交通是否便利|-2|-|环境|装修情况|-2|
|位置|距离商圈远近|-2|-|环境|嘈杂情况|-2|
|位置|是否容易寻找|-2|-|环境|就餐空间|-2|
|服务|排队等候时间|-2|-|环境|卫生情况|-2|
|服务|服务人员态度|1|-|菜品|分量|1|
|服务|是否容易停车|0|-|菜品|口感|1|
|服务|点菜/上菜速度|-2|-|菜品|外观|1|
|价格|价格水平|-2|-|菜品|推荐程度|-2|
|价格|性价比|-2|-|其他|本次消费感受|1|
|价格|折扣力度|1|-|其他|再次消费的意愿|-2|
<p>
"罗记臭豆腐。招牌上写的是久留香臭豆腐。开了很久的一家店铺。位置很好找,特步旁边的巷子。绿色的站牌。老板主要经营糖油粑粑和臭豆腐。挺干净的。
原价是五块钱一份。总共五片,老板看我有两个人。很和蔼的送了我一片。开心。很久没遇到这么豪爽的卖家了。32个赞。尤其是在团购的情况下,老板不但没有差别对待还主动送。真的感动
臭豆腐都是现炸的。旁边有四个装调料配料的碗。老板贴心询问口味,要不要辣。因为妹妹嗓子疼选的微辣
一口一片,软中带一点脆,汤汁满满的被豆腐吸在肚子里。一口咬下去,酸辣和香菜的清新刚刚好。不会觉得辣。又意犹未尽。一整片塞嘴里。享受。眯着眼特满足,还得仰着头怕汤汁从嘴巴流出来。
非常满意的一家小店。推荐。下次还来。"
</p>
|层次一|层次二|标注|-|层次一|层次二|标注|
|---|---|---|-|---|---|---|
|位置|交通是否便利|-2|-|环�
没有合适的资源?快使用搜索试试~ 我知道了~
情感分析:细粒度用户评论情感分析
共19个文件
py:10个
jpg:3个
json:1个
5星 · 超过95%的资源 需积分: 50 46 下载量 46 浏览量
2021-02-03
18:46:19
上传
评论 13
收藏 160KB ZIP 举报
温馨提示
细粒度用户评论情感分析 在线评论的细粒度情感分析对于深刻理解商家和用户,挖掘用户情感等方面有实质性的价值,并且在互联网行业有极其广泛的应用,主要用于个性化推荐,智能搜索,产品反馈,业务安全等。 依赖 Python 3.5 PyTorch 0.4 数据集 使用AI Challenger 2018的细粒度用户评论情感分析数据集,共包含6大类20个细粒度要素的情感倾向。 数据说明 数据集中的评价对象按照粒度不同划分为两个层次,层次一为粗粒度的评价对象,例如评论文本中涉及的服务,位置等要素;;层次二为细粒度的情感对象,例如“服务”属性中的“服务人员态度”,“排队等候时间”等细粒度要素。评价对象的具体
资源详情
资源评论
资源推荐
收起资源包目录
Sentiment-Analysis-master.zip (19个子文件)
Sentiment-Analysis-master
result.json 17KB
data_gen.py 3KB
template.py 751B
models.py 2KB
images
ShuJuShiLi.JPG 104KB
PingJiaDuiXiang.JPG 77KB
QingGanQingXiang.JPG 22KB
utils.py 3KB
train.py 6KB
demo.py 2KB
LICENSE 11KB
analyze_data.py 550B
.idea
vcs.xml 180B
.gitignore 20B
config.py 2KB
README.template 10KB
extract.py 785B
README.md 21KB
pre_process.py 929B
共 19 条
- 1
janejane815
- 粉丝: 29
- 资源: 4610
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
评论1