研究基于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，实时对重庆地区在线民宿的满意度进行评测，使用Python实现了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Word2vec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，然后通过实验贝叶斯、SVM、决策树等多种分类模型，最后选用贝叶斯模型进行情感分析，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。分析流程利用机器学习有监督标记样本进行分类，解决了因情感字典覆盖率不全造成分类精度低的问题。用户打分和评论不一致在满意度测评中影响比较大，使用自然语言处理技术能挖掘用户情感和需求，具体的打分和评论不一致现象如下。
- 使用Selenium模拟浏览器点击翻页操作，并配合Request实现了携程网爬虫封锁和自动化的采集民宿UGC内容的功能，提取后的民宿地址和在线评论等信息如下。
- 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，信息直接存入excel中
- 通过高频词可视化展示，归纳出评论主题
- 构建了基于在线民宿语料的Word2vec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，然后通过实验贝叶斯、SVM、决策树等多种分类模型，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。
- 通过POI热力图的方式对在线民宿满意度进行展示。
- 代码结构如下
