python酒店评论分析_对超过1M的酒店点评进行机器学习，发现有趣的见解

在之前的文章中，我们学会了如何训练一个机器学习分类器，用来检测酒店点评中提到的不同方面。使用这个方面分类器，我们可以自动的知道一个特定的点评是否在谈论清洁、舒适和设施、食品、网络、地点、工作人员以及/或物有所值。

我们还学习了如何将这个分类器与情绪分析分类器结合在一起，获得有趣的见解以及回答诸如客人喜欢特定酒店的位置，但是抱怨它的清洁问题吗这样的问题。

在这篇文章中，我们将介绍我们可以如何使用这些机器学习模型来分析TripAdvisor上数百万条点评，然后比较人们对不同城市的酒店的感受，从而理解以下事情：

待在曼谷酒店的人会比那些待在，比方说，巴黎酒店的人更多抱怨清洁问题吗？

具有最糟糕设施的城市是哪个？

酒店的星数会影响它的评论吗？

当涉及到不同类别的酒店时，人们会有不同的标准吗？

这是我们这篇教程想要回答的问题，而这将带给我们一些有趣的见解。这个过程的源代码可以在这个repo找到。

爬取酒店点评

我们创建了在前一篇文章构建的TripAdvisor Spider的一个新版本，用它来收集点评的更多数据：

酒店的名字。

酒店所在的城市。

酒店的星级(由点评者提供)。

创建一个Pipeline来合并模型

在使用新的爬虫从TripAdvisor抓取了一百多万条点评后，我们将内容拆分成意见单元，并且使用之前做过的类似的方式来将其分类。最大的区别是，现在我们创建了一个pipeline，它将两个分类器结合起来。pipeline是一个非常强大且灵活的工具，它允许你将MonkeyLearn的不同模块组合起来，多亏了它们，一次请求就可以同时为方面和情绪进行分类。

下面是使用pipeline分类意见单元：

from monkeylearn import MonkeyLearn

ml = MonkeyLearn("")

data = {

"texts": [{"text": "The room was very clean"}, {"text": "very rude staff"}]

}

res = ml.pipelines.run('pi_YKStimMw', data, sandbox=False)

简单吧？然后，res.result是一个看起来像这样的JSON：

{

'tags': [{

'sentiment': [{

'category_id': 102881,

'label': 'Good',

'probability': 1.0

}],

'topic': [

[{

'category_id': 1495678,

'label': 'Cleanliness',

'p