通过对 Yelp 评论进行情感分析识别餐厅特征
计算与语言
2017-09-27 v1
摘要
许多人使用 Yelp 来寻找好餐厅。然而，由于每家餐厅仅有一个总体评分，Yelp 提供的信息不足以让人独立评判其环境、服务或口味等各个方面。本文引入了一种基于机器学习的方法来刻画特定类型餐厅的这些方面。本文使用的主要方法是利用支持向量机（SVM）模型从词频解读每条评论的情感倾向。由 SVM 模型生成的词语分数被进一步处理为极性指数，以指示每个词对特定类型餐厅的重要性。顾客总体上倾向于表达更多关于服务的情感。至于不同菜系之间的区别，得到了符合常识的结果：日本菜通常很新鲜，一些法国菜价格过高，而意大利餐厅常以其披萨闻名。
引用
@article{arxiv.1709.08698,
title = {Identifying Restaurant Features via Sentiment Analysis on Yelp Reviews},
author = {Boya Yu and Jiaxu Zhou and Yi Zhang and Yunong Cao},
journal= {arXiv preprint arXiv:1709.08698},
year = {2017}
}
备注
6 pages