yelp-review-rating-prediction:针对Yelp数据集挑战的LDA，TF-IDF和机器学习模型

Yelp评论评级预测 概括 该项目的目的是使用评论文字来预测Yelp上的评论星级。 我们构建了以下模型，这些模型对评论数据进行文本分析以预测星级。 基准模型：最普遍的评级为3星，是该模型针对所有评论所预测的评级。 词频模型：在此模型中，我们使用单词出现的频率来预测评论等级。 LDA +情感模型：此模型通过使用潜在的狄利克雷分配（LDA）和附加的情感层，通过从评论文本中提取与评论相关的主题和情感来预测评分。 NMF +情感模型：在此模型中，我们通过从评论文本中提取与评论相关联的主题和情感，使用非负矩阵因子分解（NMF）预测评论评分，并使用附加的情感层。 我们在评估评论星级时达到了61％的准确性。 代码 大多数文件是IPython笔记本（带有JSON数据的.ipynb扩展名）。 在至少一个示例中使用以下模块： Python 2.7 NumPy 大熊猫 西皮 scikit学习