https://github.com/carrychang/customer_satisfaction_analysis

基于在线民宿 UGC 数据的意见挖掘项目，包含数据挖掘和NLP 相关的处理，负责数据采集、主题抽取、情感分析等任务。目的是克服用户打分和评论不一致，实时对在线民宿的满意度评测，包含在线评论采集和情感可视化分析。搭建了百度地图POI查询入口，可以进行自动化的批量查询 POI 信息的功能；构建了基于在线民宿语料的 LDA 自动主题聚类模型，利用主题中心词能找出对应的主题属性字典；以用户打分作为标注，然后 litNlp 自带的字符级 TextCNN 进行情感分析，将情感分类概率分布作为情感趋势，最后通过 POI 热力图的方式对不同地域的民宿满意度进行展示。软件版本请见链接。
https://github.com/carrychang/customer_satisfaction_analysis

customer-satisfaction-analysis litnlp nlp-machine-learning sentiment-analysis

Last synced: over 1 year ago
JSON representation

Host: GitHub
URL: https://github.com/carrychang/customer_satisfaction_analysis
Owner: CarryChang
License: apache-2.0
Created: 2018-12-21T07:20:24.000Z (over 7 years ago)
Default Branch: master
Last Pushed: 2024-10-30T13:25:47.000Z (over 1 year ago)
Last Synced: 2025-04-01T05:38:16.026Z (over 1 year ago)
Topics: customer-satisfaction-analysis, litnlp, nlp-machine-learning, sentiment-analysis
Language: Python
Homepage: https://github.com/CarryChang/Real_Time_DataMining_Software
Size: 116 MB
Stars: 424
Watchers: 11
Forks: 127
Open Issues: 0
Metadata Files:
- Readme: README.md
- License: LICENSE

Awesome Lists containing this project

README

[![996.icu](https://img.shields.io/badge/link-996.icu-red.svg)](https://996.icu)
#### Customer_satisfaction_Analysis

[![Stargazers over time](https://starchart.cc/CarryChang/Customer_Satisfaction_Analysis.svg)](https://starchart.cc/CarryChang/Customer_Satisfaction_Analysis)

##### 结果整合

##### Demo 演示
- [视频演示demo](https://github.com/CarryChang/C-CNN-for-Chinese-Sentiment-Analysis/blob/master/video/demo.mp4)
- [详细步骤](https://www.lanqiao.cn/courses/2628)

##### 基于用户 UGC 的在线民宿满意度挖掘，负责数据采集、主题抽取、情感分析等任务。开发的目的是克服用户打分和评论不一致，实现了在线评论采集和用户满意度分析。

##### 主要功能包括在线原始评论采集、主题聚类、评论情感分析与结果可视化展示等四个模块，如下所示。

>1. 提取后的民宿地址和在线评论等信息如下。

>2. 搭建了百度地图 POI 查询入口，可以进行自动化的批量查询地理信息。

> 3. 通过高频词可视化展示，归纳出评论主题。

> 4. 构建了基于在线民宿语料的 LDA 自动化主题聚类模型，利用主题中心词能找出对应的主题属性字典，并使用用户打分作为标注，然后通过多种分类模型，选用最优模型对提出的评价主体进行情感分析，针对主题属性表进行主题提取后的文本进行情感分析，分别得出当前主题对应的情感趋势，横坐标为所有关于主题为“环境”的情感得分，纵坐标为对应的情感的条数，可以起到纵观当前“环境”主题下的情感趋势，趋势往右代表当前主题评价较好，总共有{“交通”，“价格”，“体验”，“服务”，“特色”，“环境”，“设施”，“餐饮”}的主题，选取“环境”主题进行可视化之后的结果如下图所示。