Python深度学年设计-旅游景点评论情感极性分析

在现代信息社会中，互联网已经成为人们获取信息的重要渠道之一。社交媒体、旅游网站和在线评论平台上充斥着大量用户生成的内容，这些内容不仅丰富了信息的多样性，也为用户之间的互动提供了平台。旅游景点评论作为其中一种重要的信息来源，为潜在游客提供了决策支持。然而，由于评论数量庞大且内容复杂，如何有效地分析这些评论并从中抽取有价值的信息，成为了一项具有挑战性但非常有意义的任务。采用B/S架构，前端使用Vue框架设计出用户友好界面，后端使用Flask框架快速处理前端请求，实现了用户登录、样例展示、模型训练和模型测试等功能。以适应多场景下的灵活应用，提升教育与办公的智能化水平。同时也使得学生从中学习深度学习模型的训练和预测，及B/S系统的设计与实现。

本学年设计给出北京各个景点评论数据集，该数据集共有两列，第一列是各个景点的评论，第二列是该评论的极性，1代表好评2代表差评，共48935行。运用Python自带的Jieba分词器，在此基础上又添加了一部分专属名词典到jieba分词库中，并将一些标点、特殊符号删除以实现数据清洗、分词工作。对数据集进行预处理，并通过调参训练出最优的深度学习算法模型，采用Vue框架和Flask框架搭建B/S系统，实现对各个景点评论进行精确分析，并对模型评价指标进行可视化展示。

 

数据预处理
    # 数据清洗自定义词典文件
new_words_file = 'D:/lean/keywords.txt'
# 待清理的文本文件
input_csv = 'D:/lean/test2.csv'
output_csv = 'D:/lean/output.csv'
# 检测文件编码
def detect_encoding(file_path):
    with open(file_path, 'rb') as f:
        result = chardet.detect(f.read())
    return result['encoding']
# 加载自定义词