选择哪种分类？

Question

我有大量的yelp数据，我必须将评论分为8个不同的类别。
分类

Cleanliness
Customer Service
Parking
Billing
Food Pricing
Food Quality
Waiting time
Unspecified

评论包含多个类别，因此我使用了多重分类。但我很困惑我如何处理积极/消极。实例审查可能对食品质量有利，但对客户服务有负面影响。前 - food taste was very good but staff behaviour was very bad. so review contains positive food quality but negative Customer service我该如何处理这个案子？我应该在分类前进行情绪分析吗？请帮帮我

Answer 1

我认为您的数据非常类似于餐厅评论。它包含大约100条评论，每条评论都有不同的方面术语（More information）。因此，您可以使用基于方面的情感分析，如下所示：

1-Aspect term Extraction

从评论中提取方面术语。

双方面极性检测

对于句子中给定的一组方面术语，确定每个方面术语的极性是否为正，负。

3 - 识别方面类别

给定一组预定义的方面类别（例如，食品质量，客户服务），识别给定句子中讨论的方面类别。

4 - 确定极性

给定一组预先确定的方面类别（例如，食品质量，客户服务），确定每个方面类别的极性（正面，负面）。

有关类似项目的详情，请参阅this。

我希望这可以帮到你。

Answer 2

是的，您需要进行情绪分析。为什么不创建数据的标记，即从句子中找到所需的单词，现在最方便的方法是找到相关的单词及其情绪。即食物很好但清洁度不合适

在这种情况下，你有[食物，良好，清洁，不适合]现在与下一个术语的食物联系和下一个术语“不合适”的清洁度

再次，您可以将其分为两个类，即好的和坏的一个......或者您可以根据您的情况添加类。 然后你会有这样的数据：

--------------------
FEATURE     |  VAL
--------------------
Cleanliness    0
Customer      -1
Service       -1
Parking       -1
Billing       -1
Food Pricing  -1
Food Quality   1
Waiting time  -1
Unspecified   -1

我这样做只是作为一个例子，其中-1,1,0分别是无论是好还是坏。您可以添加更多类别为0,1,2不良公平 我回答这个问题可能不太好，但这就是我的感受。

注意：您需要了解您的模型不能完美，因为这就是机器学习的全部内容，您必须犯错。你的模型不能给出一个完美的分类，它必须对某些输入有误，它会随着时间的推移而学习并改进。

Answer 3

进行多标签分类的方法有很多种。

最简单的方法是为每个班级设置一个模型，如果评审达到该标签的某个阈值分数，您可以将该标签应用于评审。

这会独立对待这些类，但它似乎是解决问题的好方法。