Advertisement

Yelp用户评论极性数据集.7z

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本数据集包含Yelp平台上的用户评论文本及对应的正面或负面情绪标签，用于训练和评估情感分析模型。 Yelp Reviews Polarity Dataset 发布于 2015 年，包含共计 1,569,264 个样本。该子集中不同极性的训练样本有 280,000 个，测试样本有 19,000 个。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Yelp用户评论极性数据集.7z
    优质
    本数据集包含Yelp平台上的用户评论文本及对应的正面或负面情绪标签，用于训练和评估情感分析模型。 Yelp Reviews Polarity Dataset 发布于 2015 年，包含共计 1,569,264 个样本。该子集中不同极性的训练样本有 280,000 个，测试样本有 19,000 个。
     
  • Yelp挑战：Yelp数据集竞赛
    优质
    Yelp挑战赛基于庞大的Yelp数据集，旨在通过数据分析和机器学习技术来解决实际商业问题，吸引全球的数据科学爱好者参与。 Yelp挑战（美食家挑战）是基于Yelp数据集的自然语言处理项目。该项目使用了来自美国各地用户在Yelp上发布的餐厅评论以及注册餐厅的信息。我选择了2016年至2018年的评论进行模型训练和测试，原始数据总量约为1GB。 整个项目分为三个主要部分： - 数据预处理 - 自然语言处理与情绪分析（使用朴素贝叶斯分类器） - 推荐系统
     
  • Yelp数据集.zip
    优质
    Yelp数据集包含来自Yelp平台的各种用户评论、企业信息和用户资料等大数据资源，适用于数据分析、机器学习模型训练及自然语言处理研究。 Yelp数据集是我们业务、评论和用户数据的一个子集，可用于个人、教育和学术目的。该数据集以JSON文件形式提供，可以用于教授学生数据库知识，学习自然语言处理技术，或在制作移动应用时作为示例行使用数据。
     
  • 豆瓣电影用户评论数据集（40万条评论）.xlsx
    优质
    本文件为豆瓣电影用户评论数据集合，包含超过40万条影评记录，每条评论均标注了评分、时间及具体内容，是研究用户观影偏好与评论文本分析的重要资源。 豆瓣电影用户评论数据包含40万条记录，每条评论包括以下字段：id、time（评论时间）、movieId（电影ID）、rating（评分）、content（评论内容）、creator（创建者）、addTime（添加时间）。
     
  • 京东手机的用户评论数据集
    优质
    该数据集汇集了京东平台上关于手机产品的大量用户评价，涵盖多品牌、多型号设备。它为分析消费者偏好和产品反馈提供了宝贵的资源。 请参考我的博客中的详细介绍来了解关于京东手机评论的JSON格式内容。
     
  • Yelp评论评分预测：基于LDA、TF-IDF及机器学习模型的Yelp数据集挑战解决方案
    优质
    本文探讨了运用LDA和TF-IDF技术结合多种机器学习算法来解决Yelp数据集上的商业评论与评分预测问题，提供了一个全面的数据分析解决方案。 该项目的目标是通过分析评论文本预测Yelp上的星级评分。我们构建了几个模型来进行这项工作： 1. 基准模型：该模型假设所有评论的评级为3星。 2. 词频模型：此模型利用单词出现频率来预测评论等级。 3. LDA + 情感模型：通过使用潜在狄利克雷分配（LDA）和情感分析，从文本中提取主题与情绪信息以预测评分。 4. NMF + 情感模型：该方法采用非负矩阵分解（NMF），结合情感层来识别评论中的相关话题及情绪，并据此进行星级预测。 我们的评估结果显示，在评价评论星级时达到了61%的准确率。代码文件主要为IPython笔记本格式，扩展名为.ipynb，同时使用了Python 2.7、NumPy、Pandas以及scikit-learn等模块。
     
  • Yelp数据集分析
    优质
    本项目通过对Yelp数据集进行深入分析，探索用户评价、商家分布及社交网络特征，旨在挖掘本地商业市场的潜在规律和趋势。 Yelp数据集可以用于构建推荐系统。该数据集包含了丰富的用户评价、商家信息等内容，非常适合用来开发高效的推荐算法和服务。
     
  • Yelp虚假评论检测(YelpFakeReviewDetection)
    优质
    简介： Yelp虚假评论检测项目致力于识别和过滤平台上的不真实评价，通过算法和技术手段提高用户信任度与体验质量。 Yelp-Fake-Review-Detection 项目可以导入 Eclipse IDE，并且 Cosine_Similarity.java 是该项目的主文件。在运行主类之前，请从“yelp_reviews_new”下载输入数据并更改其中的目录。“extract_new.py”是用于处理原始数据的 Python 脚本，“结果”文件夹包含由“output.csv”生成的散点图。来自“yelp_reviews_new”的数据经过了“extract_new.py”的处理，而文件夹“e6893bigdatafinalpresentation”包含了演示幻灯片。“yelp_dataset_challenge_academic_dataset”是原始数据集。
     
  • Yelp评论全文CSV文件
    优质
    这份CSV文件包含了来自Yelp平台上的完整评论数据，为研究者、开发者和数据分析人员提供了一个宝贵的资源库，用于探索用户反馈、商业评价及市场趋势。 Yelp为了学习目的发布了一个开源数据集yelp_review_full_csv。这个数据集中包含了数百万用户的评论以及商业属性，是一个全球范围内常用的自然语言处理（NLP）挑战数据集。训练集包含650,000个样本，测试集则有50,000个样本，并且该数据集共有五个分类，每个类别分别拥有130,000个训练样例和10,000个测试样例。