Yelp挑战（美食家挑战） Yelp数据集挑战：NLP； 情绪分析； 餐厅推荐系统 该项目使用Yelp数据集质询数据，其中包含来自美国各地Yelp用户的餐厅评论，在Yelp上注册的餐厅的业务信息。 在这个项目中，我选择了从2016年到2018年的评论来训练和测试我的模型。 总体而言，原始数据的大小约为1GB。 该项目分为三个主要部分： 数据预处理 NLP和情绪分析（朴素贝叶斯分类器） 推荐系统

餐厅推荐系统 进行评级需要考虑多个因素：等待时间，服务，食物质量，清洁度甚至气氛-例如，一家餐馆对食物的态度可能是积极的，而对服务的态度是消极的。 为了解决这个问题，我们的目标是要包括可以在评论文本中找到的情感，并将其转化为可用于进一步改善对用户的业务建议的数据。 该存储库是一个推荐系统，主要关注通过TF-IDF（术语频率-反文档频率）进行的文本评论分析以及使用AutoPhrase进行的目标情感分析，以将情感附加到餐厅的各个方面。 在构建推荐系统时，我们了解到，评论文本与数字统计数据具有相同的重要性，因为它们包含表征他们对评论的感觉的关键短语。 最终目标是设计一个用于部署我们的推荐系统并显示其功能的网站。 请访问我们的website分支，以对预处理的拉斯维加斯/凤凰城数据集进行一些查询！ 重要的事情： 该存储库包含两个分支。 main分支包含我们方法的源代码。 website分支包含

熊猫快车 ###成为功夫熊猫大师的快速指南在击败邪恶的雪豹大龙之后，我们最喜欢的功夫熊猫大师Po返回和平谷，帮助父亲Ping先生和他的面馆。 平先生的面馆状况一直不太好，因此蒲先生决心帮助他的父亲弄清楚他可以做些什么来改善自己的餐厅。 幸运的是，Po受到了少林武术的崇敬和古老的Python风格的培训，并将像Ye功夫熊猫的真正主人一样，分析Yelp的数据集来保存他父亲的餐厅。 这是一个Python教程，用于使用Pandas和其他Python机器学习工具清理和分析Yelp Data Challenge数据集 数据集 我们将使用提供的Yelp评论。 下载内容包含JSON格式的以下文件： business.json-有关企业的信息 review.json-评论的文本和元数据 tip.json-提示的文本和元数据 user.json-用户信息 checkin.json-每个企业的签到数量 ###

[情感分析] Yelp数据集的综合情感分析 对Yelp_Dataset的综合情感分析 下载Yelp数据集以进行大规模数据分析，包括情绪，多年分布和一个月分布。 包括： - 情绪分析。 数据清理。 数据预处理。 数月，数年的正面，负面，中性评论分布。 下载输出文件夹，以了解此python程序的确切功能。

DataVisualizerHack 我在#HackIllinois的骇客 动机-帮助用户在搜索时更好地理解评论。 简介-致力于分析yelp数据集中的评论，执行关键词提取，情感分析并生成词云，以更好地总结/可视化评论。 该系统的通用功能将使其可以与任何数据集一起使用。 脚步 - 您可以从下载数据集 设置并运行Elasticsearch。 处理数据集并为所需数据编制索引。 帮助程序脚本可以执行各种任务，例如-处理数据，从数据集中加载数据，关键字提取和情感分析，用于Elasticsearch批量处理的拆分数据，searchapi和flask服务器。 对于UI使用的引导程序 使用的外部API 用于高级文本分析的Alchemy API。 用户界面的引导程序。 烧瓶以RESTful方式服务请求。 ElasticSearch用于索引和搜索。 NLTK用于语言建模 输出为词云形式

推荐系统：用于在Yelp数据集中预测用户评分的推荐系统（1M条记录）

卷积神经网络（CNN）的文本分类 这是一个使用CNN对文本文档/句子进行分类的项目。 您可以在和的博客条目中找到类似方法的精彩介绍。 我的方法与Denny和Yoon Kim的原始论文[1]相似。 您也可以在找到Yoon Kim的实现。 ***更新***-2019年12月15日：版本0.2.0的更改 我已将代码更新为TensorFlow2。此外，我在jupyter笔记本中进行了一些更改： 删除Yelp数据集 为IMDB添加TensorFlow数据集 ***更新***-2019年5月17日：0.1.0版中的更改 模型： 将字级与基于字符的输入相结合。 char输入ist是可选的，可以用于进一步

-Yelp评论的情绪分析

离线安装包，亲测可用

Yelp-Fake-Review-检测 零售集团 YelpFakeReviewDection 应该可以导入 Eclipse IDE，这是我们项目的主文件。 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。 运行主类所在的 Cosine_Similarity.java。 “extract_new.py”是处理原始数据的 Python 脚本 “结果”文件夹包含从的“output.csv”创建的散点图。 来自“yelp_reviews_new”包含来自“extract_new.py”的处理数据 “e6893bigdatafinalpresentation”是演示幻灯片 来自“yelp_dataset_challenge_academic_dataset”是原始数据。 数据集的原始链接是： :