ChnSentiCorp_htl_all数据集
- 数据概览: 7000 多条酒店评论数据,5000 多条正向评论,2000 多条负向评论
- 推荐实验: 情感/观点/评论 倾向性分析
- 数据来源:携程网
- 原数据集: ChnSentiCorp_htl,由 谭松波 老师整理的一份数据集
- 加工处理:
- 将原来 1 万个离散的文件整合到 1 个文件中
- 将负向评论的 label 从 -1 改成 0
- 去重
import pandas as pd
path = 'ChnSentiCorp_htl_all_文件夹_所在_路径'
1. ChnSentiCorp_htl_all.csv
加载数据
pd_all = pd.read_csv(path + 'ChnSentiCorp_htl_all.csv')
print('评论数目(总体):%d' % pd_all.shape[0])
print('评论数目(正向):%d' % pd_all[pd_all.label==1].shape[0])
print('评论数目(负向):%d' % pd_all[pd_all.label==0].shape[0])
评论数目(总体):7766
评论数目(正向):5322
评论数目(负向):2444
字段说明
字段 |
说明 |
label |
1 表示正向评论,0 表示负向评论 |
review |
评论内容 |
pd_all.sample(20)
|
label |
review |
5612 |
0 |
房间小得无法想象,建议个子大的不要选择,一般的睡觉脚也伸不直.房间不超过10平方,彩电是14... |
7321 |
0 |
我们一家人带孩子去过“五.一”,在协程网上挑了半天才选中的酒店,但看来还是错了。1.酒店除了... |
3870 |
1 |
周六到西山去采橘子,路过这家酒店的时候就觉得应该不错的,采好橘子回来天也晚了,就临时决定住在... |
4057 |
1 |
交通很便利,到渔人码头和港澳码头都在步行的范围之内.CHECKIN和CHECKOUT的速度都... |
1452 |
1 |
很不错的一个酒店,床很大,很舒服.酒店员工的服务态度很亲切. |
4805 |
1 |
酒店环境和服务都还不错,地理位置也不错,尤其是酒店北面的川北凉粉确实好吃,不过就是隔音效果不... |
6868 |
0 |
旧楼改建的酒店,期望不要太高。酒店经理的态度很好,会帮助解决问题。有一位前台小姐的态度实在是... |
1345 |
1 |
经常去海口出差,但从没住过该酒店.看外表感觉一般吧其实酒店里面还真不错,房间是新装修的(我住... |
2026 |
1 |
算是海口市比较好的酒店了。处于市中心,购物方便。服务态度好。保险柜出问题了叫人来开,打个电话... |
2805 |
1 |
感受的是热情的服务!从入门开始,一直很愉快!房间硬件只是准2星的吧,卫生间淋浴头在马桶上方,... |
2915 |
1 |
房间很整洁,尤其是床上的哪个靠枕是我以前所住过宾馆没有的,红色的很喜庆。虽然是在当地比较繁华... |
1803 |
1 |
准确的说,酒店的环境很漂亮,房间设施也还行,可以算4星标准。但是,卫生间下水道的气味实在是让... |
4729 |
1 |
价格越来越高了,周遍不方便,去哪里都需要打车.不过装修风格很时尚舒适.服务态度不错. |
1913 |
1 |
地理位置不错。但好像人气不太旺。不过下次也会考虑住这的。 |
7159 |
0 |
设施老化,紧靠马路噪音太大。晚上楼上卫生间的水流声和空调噪音非常大,无法入眠,跟总台反映后,... |
1119 |
1 |
11月份住了一次。1.服务方面还不错,门童挺积极。2.感觉房间略有陈旧。3.早餐品种还算丰富... |
2170 |
1 |
总的来说,酒店还不错。比较安静,地理位置比较好,服务也不错,包括入住和结账。不太好的地方,7... |
2793 |
1 |
我喜欢那里,性价比很高地.去太原90%都住在那里的.服务员的服务很不错 |
5895 |
0 |
非常糟糕!1。我们通过其商务中心包了一辆车游西湖,该车拉我们去不正规景点买茶叶(我们买了),... |
4089 |
1 |
我是7月9号晚10点多的时候入住的,房间很新,据说是跟格林豪泰是同一公司的,可能是是新开业的... |
2. 构造平衡语料
- 原数据集中还包含了 3 份平衡语料:ChnSentiCorp_htl_ba_2000, ChnSentiCorp_htl_ba_4000, ChnSentiCorp_htl_ba_6000
- 用随机抽样的方法,很容易构造出类似的平衡语料
pd_positive = pd_all[pd_all.label==1]
pd_negative = pd_all[pd_all.label==0]
def get_balance_corpus(corpus_size, corpus_pos, corpus_neg):
sample_size = corpus_size // 2
pd_corpus_balance = pd.concat([corpus_pos.sample(sample_size, replace=corpus_pos.shape[0]<sample_size), \
corpus_neg.sample(sample_size, replace=corpus_neg.shape[0]<sample_size)])
print('评论数目(总体):%d' % pd_corpus_balance.shape[0])
print('评论数目(正向):%d' % pd_corpus_balance[pd_corpus_balance.label==1].shape[0])
print('评论数目(负向):%d' % pd_corpus_balance[pd_corpus_balance.label==0].shape[0])
return pd_corpus_balance
ChnSentiCorp_htl_ba_2000 = get_balance_corpus(2000, pd_positive, pd_negative)
ChnSentiCorp_htl_ba_2000.sample(10)
评论数目(总体):2000
评论数目(正向):1000
评论数目(负向):1000
|
label |
review |
5536 |
0 |
建议携程不要和这家酒店合作,名曰三星,要我看准星级都勉强!首先不在市区里面(去涵江区打车还要... |
4086 |
1 |
感觉比老街口客栈舒适,很中规中矩的3星级,推荐大家住主楼的豪华间,设施比较好,前台和大堂的服... |
6112 |
0 |
是我遇到的最差的4星酒店,进门没人管,进去要我和大堂打招呼,退房也很慢,不会再去住了 |
4440 |
1 |
房间的设施不错,由于武夷山市是个小地方,酒店离景区有一定距离,如果没有自己开车就不太方便,但... |
2706 |
1 |
首次入住该酒店,环境雅致,服务非常不错,很多笑脸,感觉热情,早餐可以接受,有送餐服务以后去徐... |
1770 |
1 |
不错!就是洗澡的地方小点~~下回去还住这家~~ |
4306 |
1 |
环境位置很好,房间情况尚可,早餐一般般,价格偏高了一些. |
2161 |
1 |
位置优越,出行方便。就是房间较小,床位较小,房间装修较旧,其他方面都不错。 |
7667 |
0 |
酒店周围环境差,内部也很旧,卫生不好,很脏,总之没什么好的,下次决不住这。 |
4419 |
1 |
我7月24号入住瑞豪酒店,开始有些不顺利,但是那里的管理还是非常好的,有位姓赵的经理发现问题... |
ChnSentiCorp_htl_ba_4000 = get_balance_corpus(4000, pd_positive, pd_negative)
ChnSentiCorp_htl_ba_4000.sample(10)
评论数目(总体):4000
评论数目(正向):2000
评论数目(负向):2000
|
label |
review |
3605 |
1 |
酒店就在海水浴场旁边,出门到接触到海水两分钟,如果要和海水亲近的朋友,极力推荐。这样游泳换衣... |
7260 |
0 |
TheWorsehotelinChengdurightnow,checkoutat12.30... |
5762 |
0 |
房间还算可以,不过前台服务人员的态度,受不了,我晚上11点多到酒店CHEKIN第二天退房的时... |
5790 |
0 |
酒店设施陈旧,浴缸排水不畅,入住无房,一间16:00,一间22:00,早餐差 |
4504 |
1 |
虽是公寓式酒店,但其房间整洁程度、全方位的服务都给我留下了很好的印象。丝丝不完善之处在于很多... |
5246 |
1 |
很好的酒店,很喜欢,房间很干净很漂亮,从房间的窗口看出去,超美的,在市中心区域,出行也非常的... |
624 |
1 |
在临沂,这个酒店算是比较有档次的了,给外国客人的服务也比较合格。可惜电视内容比较单调,国外的... |
1382 |
1 |
4年前住过,我和德国同事都觉得很不错。今年我又选了豪门,还是觉得很好。自助餐品种丰富,房间宽... |
3723 |
1 |
价格不高,比较实惠,服务也不错,离闹市区不远.交通也比较方便. |
3328 |
1 |
房间:建筑风格比较独特。木屋矗立在随潮汐涨落的水中,围廊象迷宫一样。看着自己的小屋,却没有直... |
ChnSentiCorp_htl_ba_6000 = get_balance_corpus(6000, pd_positive, pd_negative)
ChnSentiCorp_htl_ba_6000.sample(10)
评论数目(总体):6000
评论数目(正向):3000
评论数目(负向):3000
|
label |
review |
4817 |
1 |
入住的是260元的迷你标准间。感觉比想象的要好很多,房间如果住一个人很合适的,洗手间很大,很... |
7021 |
0 |
7点到了酒店前台打电话问了楼层说房间可以入住,上楼竟然房间的垃圾成堆根本就没有打扫,下楼要求... |
6484 |
0 |
又要对他进行点评了,呜呜。。。说什么好呢 |
6715 |
0 |
看了前面介绍的推荐去入住的,结果很失望,酒店的淋浴居然没有维护设施,洗个澡弄得整个洗手间都淋... |
6775 |
0 |
酒店的设施太差了,估计连1星级都没有,房间空调都不开的,简直就是一塌糊涂。建议大家不要去预订该酒店 |
7575 |
0 |
真的差得没话说,但说起来又有一堆。住进去的时候发现没有浴巾,第二天却一直打电话说我们拿了那两... |
1615 |
1 |
酒店非常好,距离高速出口很近,服务也很到位,值得推荐的酒店,到泰山应该是最好的酒店了. |
6466 |
0 |
携城预定员极力推荐这家酒店,相信她才入住了这家,结果到了酒店才发现,连一星级都不如,前台的小... |
1392 |
1 |
酒店很大,服务太差,A楼房间也老,下次再也不住了。环境很好,打高尔夫的或许可以忍忍吧。 |
4408 |
1 |
房间很大,大的让我去其他宾馆都感觉性价比不高!服务也不错,值得一住!! |