比赛网址：https://www.datafountain.cn/competitions/370 本赛题提供了10000条对O2O店铺的评论文本训练数据，分为与食品安全有关和与食品安全无关两个类别。参赛者需要根据训练集构造文本分类模型，预测2000条测试集中的评论是否与食品安全有关。

Web 2.0时代,消费者在在线购物、学习和娱乐时越来越多地依赖在线评论信息,而虚假的评论会误导消费者的决策,影响商家的真实信用,因此有效识别虚假评论具有重要意义。

jQuery实现用户评论留言代码　

评论提供了有关酒店的大量信息。这个数据可用于许多nlp项目：推荐系统，情绪分析，同类酒店的图网，基于评论的酒店细分。该数据集包含25个城市的酒店列表和评论。 file/opensearch/documents/92885/hotelReviewsInAustin__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInBali__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInBangkok__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInBarcelona__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInBombay__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInChicago__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInDubai__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInHong Kong__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInIstanbul__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInLondon__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInMiami__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInMilan__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInNew York__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInOsaka__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInParis__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInPhuket__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInPrague__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInRome__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInSan Francisco__en2019100120191005.csv file/opensearch/documents/92885/hotelReviewsInSantorini__en2019100120191005.csv file/opense

亚马逊评论情绪分析 情感分析一直在增长-既由于深度学习中使用了新的分析技术，又因为到处都有大量的数据生成。 每条产品评论，每条推文，每条Reddit帖子等均包含我们希望能够处理和理解的主观信息。 例如，假设您是Netflix。 然后，您对客户对您的服务和电视节目/电影选择要说的话非常感兴趣，并且您可能会希望挖掘Facebook帖子和推文以及IMDB评论等，以评估公众意见。 如果您是一名政客，那么您（希望）对选民的想法，他们想要什么，他们持有哪些宝贵价值观等感兴趣，因此您可能会有一个团队来分析这些领域的公众情绪。 如果您是企业家，那么您会对公众舆论感兴趣，因为它关系到您的利基，产品和竞争，因为

wine_reviewer：使用机器学习基于二值化的品尝笔记来预测葡萄酒评论分数

这是一个高仿百思不得姐 OC App Demo 包括了帖子，图片，评论，登录，发布，webView Controller等功能，新手练手项目，注释充分，方便一起学习，持续更新中

茫茫文档中找寻，特此献给有需要的哥们，好与不好仅供参看，自己觉得有用！

Analyze ~500,000 food reviews from Amazon. 分析来自亚马逊的约500,000条食物评论 Amazon Fine Food Reviews_datasets.txt

京东评论数据口红评论数据，2000条，分正负标签，xlsx格式