Advertisement

最新2017年的yelp数据集。

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

简介：
我们期望更多学生能够充分利用这些数据，从而在研究探索中发掘出具有创新性的方法。他们也分享了当下他们所关注的一些研究方向。首先，有图片分类的课题。尽管他们已经能够辨识出图片中包含的诸如汉堡等食物图像，但如何对一张图片的美观程度进行评价仍然需要进一步的研究。其次，自然语言处理和情感分析方面，用户评价数据蕴含着大量的可挖掘元数据，这些数据可以用于推断语义信息、商户属性以及用户的情感倾向。研究团队希望深入了解评价内容中所表达的情感色彩，从而判断其是正面评价还是负面评价。最后，图像挖掘也备受关注。例如，他们致力于探索用户之间的关系如何限定他们的消费习惯和使用规律，并试图找出哪些店铺在流行起来之前就已成为人们用餐的首选之地。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 2017年Yelp数据集更新版
    优质
    2017年Yelp数据集更新版包含了用户评论、商业信息及检查-in记录等大量真实世界的数据，为研究与开发提供宝贵资源。 elp希望更多的学生利用这些数据，在研究中想出创新性方法，并且他们也提供了目前感兴趣的一些主题。一是图片分类：虽然现有的技术能够识别图片中的食物（如汉堡），但如何评价一张图片的美观度仍然是一个待解的问题；二是自然语言处理和情感分析：用户评论中有许多可以挖掘的数据，这些数据可用于推断语义、商户属性以及情感倾向，他们想知道评价里表达了什么情绪，是正面还是负面；三是图像挖掘：例如探究用户之间的关系如何影响他们的使用模式，流行趋势的引导者在一家店火起来之前通常会去哪些地方就餐。
  • 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。
  • 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 2015年学术数据集的情感分析
    优质
    本研究使用Yelp 2015年的公开学术数据集进行情感分析，旨在通过机器学习方法识别和分类评论中的正面与负面情绪。 Yelp2015 Yelp学术数据集的情感分析涉及对大量用户评论进行研究，以理解消费者情绪和偏好。这项工作可以帮助企业更好地了解市场反馈，并据此优化产品和服务。通过对这些数据的深入挖掘，研究人员能够提取有价值的见解，从而促进商业决策和发展策略的制定。
  • Yelp学术数据集.zip
    优质
    该数据集包含来自Yelp平台的企业、用户评价、检查者信息等多维度的数据资源，旨在支持商业智能分析和机器学习研究。 yelp_academic_dataset_business.json、yelp_academic_dataset_review.json 和 yelp_academic_dataset_user.json 这三个文件包含了 Yelp 平台上的商家信息、用户评论以及用户资料等数据，可用于分析和研究相关业务及用户行为模式。
  • 全球最新的IP地址数据库（2017年12月更新）
    优质
    简介：本数据库为2017年12月发布的最新版本，包含全球各地IP地址信息。适用于网络安全、数据分析及广告定位等场景，助力精准营销与风险控制。 全世界最新IP地址数据库于2017年12月更新，数据准确无误且不包含重复项，适用于网站的IP地址查询。
  • LendingClub 2017年数据集的获取
    优质
    本资料介绍了如何获取和使用LendingClub于2017年的贷款数据集，涵盖数据下载、预处理及分析方法。适合金融数据分析学习者参考。 官网地址：https://www.lendingclub.com/statistics/additional-statistics，可以从该网站下载所需数据，或者使用本人提供的资料。
  • 2013-2017年全国日照数据集-数据集
    优质
    该数据集收录了2013年至2017年间中国各地区的日照时长记录，为研究气候变化、太阳能利用等领域提供了详实的数据支持。 2013年至2017年全国日照数据详情请参见数据页文档说明。
  • IMDb、SST-1、SST-2、Yelp-2013、Yelp-2014文本分类数据集
    优质
    本数据集包含IMDb电影评论及SST-1/2与Yelp-2013/2014的用户评价，适用于训练和评估情感分析中的文本分类模型。 IMDb、SST-1、SST-2、yelp-2013 和 yelp-2014 是用于文本分类的数据集。这些数据集可以在 GitHub 上找到，具体地址为 https://github.com/JerrikEph/Capsule4TextClassification/blob/master/data/downloadDataset.md 。