卷积神经网络及朴素贝叶斯的评价评分与数据挖掘系统

彭冲

（广东第二师范学院 广东省广州市 510000）

客户与摄影师在使用APP时会提出大量的意见和建议，并通过评价系统进行反映，然后利用人工进行分析。但是在分析时，会有速度慢、主观化、不全面等问题的出现，不利于意见和建议的有效反馈。因此，利用文本挖掘技术充分、高效地分析摄影师的服务情况、客户的自我体验感，既有利于摄影事业的发展，又能为客户提供高质量的摄影服务。同时，对摄影师的综合分析，是对于众多评价的集中反映，也是客户评论的一种整合。通过性价比、安全性、服务质量、位置距离和摄影风格这五个方面进行量化，判断分类后的评论情感倾向，得出相应的分数，对于客户来说能够对摄影师有更准确地判断。最后，通过量化后的评分，挖掘特色和亮点，能更好地帮助客户选择适合自己的摄影师。

1 摄影师和客户评论分类

1.1 数据准备

1.1.1 数据描述

数据来源于摄影师和客户两者的问卷调查，共有817个样本数据。

1.1.2 数据预处理

进行一系列去噪操作后，进行去除停用词、利用jieba库进行分词，然后利用Word2Vec进行词向量的构建，再进行分类。

在分类前，由人工对部分评论进行了五大类的划分，分别是性价比、安全性、服务质量、位置距离和摄影风格。基于CNN确实对训练样本中类别不平衡的问题很敏感，平衡的类别往往能获得最佳的表现，而不平衡的类别往往使模型的效果下降。所以各类随机分别标注了200条，保证了在深度学习的过程中，不会因为数据的采样不均衡而对模型的构造产生不利。……