利用机器学习方法分析航空公司乘客推文情感
自互联网技术发展以来,客户满意度一直是公司发展中的主要因素之一。在线平台已成为分享评论的主要场所之一,Twitter 是其中之一,客户经常在这些平台上发布自己的感想。对于航空公司而言,在这些平台上的航班点评已成为问题。正面的点评可以帮助公司发展,而负面的点评则可能迅速损害收入和声誉。因此,对于航空公司来说,研究客户的反馈和体验,并改进他们的服务以保持竞争力至关重要。然而,研究数千条推文,并分析它们以确定客户满意度是一项相当困难的任务。可以通过使用机器学习方法来分析推文,以确定客户满意度水平,从而简化这个繁琐的过程。对于自动化过程,已经对这种策略进行了一些工作,并使用机器学习和深度学习技术。然而,它们完全只关注对文本情感的评估。除了文本,推文还包括时间、地点、用户名、航空公司名称等信息。这些附加信息对于改进模型的结果至关重要。为了提供一个基于机器学习的解决方案,本研究扩大了其视野,包括这些特性。而且,不出所料,超出文本情感分析的附加特征会产生更好的机器学习模型结果。
Feb, 2024
本文介绍了两种自然语言处理技术(词袋和 TF-IDF)以及各种机器学习分类算法(支持向量机,逻辑回归,多项式朴素贝叶斯,随机森林)来分析大型,不平衡和多类数据集上的情感分析。最佳方法使用支持向量机和逻辑回归的词袋技术提供 77%的准确性。
Oct, 2021
本文使用多种技术,如基于词典的、机器学习和深度学习方法,对社交媒体上的评论数据进行情感分析,并提供了比较分析结果。在本研究中,我们使用了来自 Twitter、Reddit 等社交网络网站的评论等多源数据集。选择了朴素贝叶斯机器学习算法、TextBlob 词典方法和 LSTM 深度学习算法。
Dec, 2022
本文综述了在自然语言处理(NLP)方面使用深度学习模型进行情感分析的最新研究,评估了使用词频 - 逆文档频率(TF-IDF)和词嵌入技术的不同模型和输入特征,并对实验结果进行了比较研究。
Jun, 2020
通过利用社交媒体平台(如 Twitter)上的数据,本研究提出了一种新颖的基于自然语言处理的框架,以便从用户的角度了解各种服务问题,并使用两种技术简化了用户反馈的获取和分析过程。该框架准确地对推文进行分类,并根据推文的情感强度和极性进行情感分析,展示了其在评估用户反馈方面的有效性。研究结果证实了该框架在通过廉价的社交媒体数据评估用户反馈、了解交通系统的问题并进行有针对性的改进方面的有效性。
Oct, 2023
利用 Word2vec 和 N-gram 文本表示方法,对 Twitter 上大众情绪进行情感分析,并应用监督式机器学习原理分析某公司股票市场的走势与 Twitter 上情感的相关性,研究表明社交媒体中与某公司相关的正面消息和推文会鼓励人们投资该公司的股票,从而提高该公司的股价。
Oct, 2016
现今,网站已成为展示用户对各种事件的意见、情感和感受的必要平台。使用自己的智能手机,每个人都可以在博客和社交媒体上(如 Twitter、WhatsApp、Telegram 和 Instagram)发表关于购买产品、发生事故、出现新疾病等方面的意见。因此,每天都记录了数百万条评论,这创造了大量的非结构化文本数据,可以通过自然语言处理方法从这种类型的数据中提取有用的知识。情感分析是自然语言处理和机器学习的重要应用之一,可以使我们分析评论和其他网页用户记录的文本信息的情感。因此,以下将说明在这一领域中的情感分析、方法和挑战。
Mar, 2023
本文使用 Transfer Learning 和 TF-IDF 技术以及 Linear Support Vector 分类器方法构建了自动推文分析器,以分析 2019 年印度选举期间人们的情感倾向和观点,进一步处理了原先未被考虑到的用户发布的挖苦推文。
Jan, 2022