没有合适的资源?快使用搜索试试~ 我知道了~
Improving_Yelp_Ratings_with_ML:我们在此小组项目中的目标是将Yelp评论中的NLP和其他功能应用于...

共51个文件
png:13个
csv:7个
ipynb:6个

需积分: 9 92 浏览量
2021-02-03
08:30:47
上传
评论
收藏 16.97MB ZIP 举报
通过规范审稿人情绪来改善Yelp审阅体验 球队: 安吉拉·德特威勒(Angela Detweiler) 熙熙 林 贝瑟斯特·莫斯塔格尼(Behesteh Mostaghni) 数据集链接:Yelp的数据集在Kaggle重点是餐馆, 问题:在Yelp上搜索餐厅时,您是在看星级还是阅读评论? 你们都看吗? 鉴于评论是高度主观的,并且星级会受到业务绩效各个方面的影响,我们是否可以使用机器学习来标准化评论的解释? 目标:我们的目标是将Yelp评论中的自然语言处理(NLP)和其他功能应用于输出新的5星级的模型中,以使评论和星级之间的差异减少。 为了使我们的模型更加健壮,我们还将基于阅读评论的新用户星级(意味着未撰写评论的人仅根据评论文本给出了星级),以便将其添加到我们的模型中更好地反映了评论情绪。 假设:我们假设基于餐馆评论的NLP来自动进行星级评定会通过使评论者情绪正常化来改善Yelp的评论体验。 ML算法: 朴素贝叶斯 神经网络 K均值 LSTM N-格拉姆 TD-IDF 线性回归 库: 脾气暴躁的 西皮 Scikit_学习 大熊猫 Matplotlib NLTK
资源推荐
资源详情
资源评论























收起资源包目录





































































共 51 条
- 1
资源评论

Aurora曙光
- 粉丝: 35
- 资源: 4531

上传资源 快速赚钱
我的内容管理 收起
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

会员权益专享
安全验证
文档复制为VIP权益,开通VIP直接复制
