亚马逊评论分析

包含 用户id 用户姓名buyer_name 评论打分review_rating 评论标题review_title评论地址 author_linkurl 评论内容review_text id buyer_name review_rating review_title author_linkurl review_text

亚马逊美食评论50万数据集(Amazon Fine Food Reviews) 之前做评论分类 好不容易找到的数据集 分享了。 需要更多资源请关注。 Github: https://github.com/huangyueranbbc

该资料是2020年美赛C题题目，内涵亚马逊评论购物评级数据集合。数据格式为数据库格式。希望有需要的伙伴学习下载。

机器学习项目 对亚马逊评论数据集的情感分析 .ipynb文件中包含的Python Scipts代码 项目代码文件夹中包含的数据集

使用Amazon评论进行情感分析 概述 使用Jure Leskovec在18年中收集集，我们创建了一个情感字典，其中包含97,436个唯一单词，它们对应于零中心浮点情感得分。 过程 我们首先对语料库中的数据进行预处理，以删除多余的信息。 我们仅使用评论文本和每个评论的星级评分。 经过预处理后，我们使用MapReduce计算每个星级（从1到5）中每个单词的频率。获得每个单词的频率后，我们编写了一种情感算法来计算每个单词的情感分数。 结果 正面的话 单词 情感分数 好的 0.152603809091 伟大的 3.78021467713 惊人的 6.8840020218 惊人 6.54080771437 完美的 5.78771983374 非同凡响 5.72747983897 精彩的 6.05087919002 最好的 3.2653374328 否定词 单词 情感分数 坏的 -5.

亚马逊评论情绪分析 创建该项目的目的是对亚马逊评论进行详尽的分析，无论是正面的，负面的还是中立的。 这是在NLP和机器学习的帮助下实现的。 希望你喜欢！ !!!!

这是Upenn CIS545的最终项目

文本摘要：总结亚马逊评论