5、美食配送系统情感分析与文本相似度识别研究

美食配送系统情感分析与文本相似度识别研究

美食配送系统情感分析

研究背景与目的

在当今社会，社交媒体平台尤其是微博类网站成为了人们表达观点的重要渠道，积累了大量的数据。对于企业而言，理解这些数据有助于明确业务改进方向。本研究旨在通过对 Twitter 数据进行情感分析，比较 Zomato 和 Swiggy 这两个美食配送管理系统，找出更优的一方。

相关概念

• 情感分析 ：作为人工智能的一部分，它通过自然语言处理分析句子中的主观信息，包括看法、评价、情感或态度等。
• 极性（Polarity） ：取值范围在 [-1, 1] 之间，1 表示积极，-1 表示消极，0 表示中立，用于判断句子的情感倾向。
• 主观性（Subjectivity） ：取值范围在 0 到 1 之间，反映个人的观点、情感或敏锐度。

研究方法

1. 数据获取 ：借助 Twitter API 提取与 Zomato 和 Swiggy 相关的推文，并保存为 CSV 文件，共收集了每个配送系统 3000 条推文。
2. 数据预处理 ：去除不必要的词语（如停用词）、重复词、表情符号和 URL 等。
3. 基于词典的方法 ：将每个词的语义方向和强度与预定义的词典分类进行比较，该词典将词语分为积极、消极和中立三类。通过对每个词打分，再取平均值或使