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...

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