第九届“泰迪杯”数据挖掘挑战赛C题-建模思路参考.pdfVIP

第九届“泰迪杯”数据挖掘挑战赛C题-建模思路参考 明⽩甲⽅要什么 · 1.吸引顾客，稳定客源 · 2.发现竞争优势 · 3.游客满意度以及影响因素 这三者的关系 · 1是最终⽬的，是核⼼ · 23是1的路径研究 · 2与3先导 我们有什么？ 项⽬ Value 2个附件 景区和酒店的评论 数据（⽰例数据和⽐赛数据）；景区和酒店的评分样表；关键词样表 1个C题详细说明 __ 要解决的问题？ · 1景区及酒店印象分析 · 2景区及酒店综合评价 · 3⽹评⽂本的有效性分析 · 4景区及酒店的特⾊分析 1景区及酒店印象分析 · 初步构思 实现关键词获取，并通过统计关键词的词频⼤⼩获取评论焦点的热度，具体挖掘流程如下所⽰。⾸先基于词法分析做评论的分词和词条的词 性标注，⽂本过滤筛选符合关键词搜索域的词条，⽐如，名词、动词、形容词等，接着基于关键词抽取技术抽取关键词，最后，对关键词做 词频统计并基于词云图展⽰评论热点评论焦点。 我的其他NPL⽂章参考【】【】 2景区及酒店综合评价 · 拿⼿菜初步构思 建⽴综合评价体系 题⽬已经给出了要求 从服务、位置、设施、卫⽣、性价⽐五个维度建⽴指标体系 ⽤独热编码 通多对⽂本词的训练，将每个词都映射到⽐较短、稠密度⾼的向量上来。所有的词构成⼀个向量空间，通过统计学的⽅法来研究词之间的关 系。 把原本的词向量映射到这个相对低维空间的过程就称为词嵌⼊（Word Embedding） 达到的效果 景区名称 总得分 服务得分 位置得分 设施得分 卫⽣得分 性价⽐得分 A01 4.3 … A02 4.3 … A03 1.3 … … … … 这⾥出来的是降维后的独热编码 还可以通过⼀些综合评价⽅法来做 常见的 熵权法+Topsis结合、层次分析法等等 难⼀点可以⽤决策表属性约简等⽅法 · 从 ⾓度反映对模型进⾏评价——exm? 3⽹评⽂本的有效性分析 初步感觉是 数据清洗，但这⾥好像是 做⼀个关于垃圾评论的筛选、删除的模型。 就⽐如我们逛淘宝的时候，淘宝社区会⾃动帮我屏蔽掉⼀些⽆⽤的评论，给到消费者有效评论 主要涉及：⽂本去重 这⾥可以基于⽂本之间的相似度计算，包括编辑距离去重，simhash算法去重等，但是也会去除⼀些相近的表达，可 能会误删。推荐使⽤⽐较删除法 4景区及酒店的特⾊分析 感觉好像是有点像⽤户画像（Profile）⼀样 将景点和酒店按⾼中低三个层次 以前做过，感觉上可以⽤基于⾼斯云理论模型的K-means聚类⽅法。当然做⽤户画像的⽅法有很多种，供选择的也有很多【】 但是！这⾥有感觉有点多余了？ 前⾯不是有综合评价模型？是否可以取综合得分，按照等级5分划分为三个等级？按照不同等级，分别对5个维度进⾏衡量，从⽽得到不同 等级的特⾊？下对策建议等。。。 疑惑点 这个评论时间没想到怎么⽤？ 具体的算法还没有落实到实处，只是具体有⼀了⼀个构思 欢迎留⾔交流！⼀起进步