1、基于新型混合算法的餐厅评论分析：提升情感分类准确性

基于新型混合算法的餐厅评论分析：提升情感分类准确性

1. 研究背景与目标

近年来，餐厅通过在线平台得到了显著发展，网站成为顾客表达意见和评估餐厅及餐饮服务质量的主要途径。在线评论能反映顾客情绪，对餐厅声誉至关重要。通过互联网平台，顾客与餐厅老板的互动为评估顾客意见和做出调整提供了可能。利用标记数据训练机器，有助于更准确地分析顾客情绪。

本研究旨在使用一种结合卷积神经网络（CNN）的新型混合方法评估餐厅评论。通过深度学习对餐厅评论进行正负分类，以提高情感极性分类的准确性。

2. 相关工作

过去五年（2017 - 2021），餐厅评论系统分析受到了大量学术关注。此前关于孟加拉语情感分析的研究主要集中在推特帖子、书评和电影评分等小数据集上，而关于孟加拉语餐厅评论情感分析的研究较少。

本研究收集了6625条餐厅评论，来源包括餐厅页面（1763条）、群组（1940条）和Facebook评论（2922条），还从Yelp数据集获取了2000条评论。对数据进行筛选，排除重复、短评论、混合语言评价、中性情感评价以及包含标点、数字和表情符号的评论，得到6435条精炼评论，并由三位自然语言处理专家手动标注。

3. 现有方法：卷积神经网络算法

3.1 原理

CNNs是一种深度学习技术，在图像识别中表现出色，也可应用于餐厅评论的情感评估等文本分类任务。在处理餐厅评论时，通过分词、填充和独热编码等技术将文本数据转换为数值数据，然后训练CNN模型学习评论中单词和短语与相应情感（正、中、负）之间的模式和关系，训练后可对新评论进行分类和情感预测。

3.2 算法步骤

<