仅凭评论文本预测 Yelp 商家星级

Yelp 在线评论是用户在众多可选方案中选择去处或美食的宝贵信息来源。然而，由于评论数量庞大，用户几乎不可能浏览所有评论以找到所需信息。提供商家概况的一种解决方案是给予商家 1 至 5 星的评分。但这种评分可能具有主观性，并受用户个性影响而产生偏差。在本文中，我们仅基于用户生成的评论文本来预测商家评分。这不仅提供了对大量长篇评论文本的概况，还消除了主观性。我们从 Yelp 数据集挑战赛中选取餐厅类别，结合三种特征生成方法和四种机器学习模型，以寻找最佳预测结果。我们的方法是基于所有原始文本评论中出现频率最高的词构建词袋，或者基于词性分析结果中出现频率最高的词或形容词构建词袋。结果表明，将线性回归与原始数据中频率最高的词相结合，或与词性分析（POS）后频率最高的形容词相结合，其均方根误差（RMSE）均为 0.6。