NLP实战之–螺蛳粉评论情感分析和建模分类

NLP实战之–螺蛳粉评论情感分析和建模分类

写在前面：

本文首发于我的微信公众号。新文章首发都会在微信公众号上。

自然语言处理（Natural Language Processing）是目前人工智能的大方向之一。上一篇文章提到的两大方向，计算机视觉（CV）和自然语言处理（NLP）。啥是自然语言？人们日常使用的语言就是自然语言呐，比如汉语，英语。那为啥要对自然语言做处理呢？当然是为了让计算机“智能化”啦。计算机可不认得什么英语、汉语的，你对着计算机喊一声，它肯定不理你。所以才要把自然语言处理成计算机认得的语言。

那什么样的语言，计算机才认得？答：二进制。因为计算机只能读取并且储存0和1。所以，自然语言处理（NLP），就是把咱们人类的语言（例如汉语、英语），处理成为计算机认得的语言。处理完之后能做啥？这就涉及到NLP的应用了，这个应用范围是在是太广范了。有文本分类、机器翻译、情感分析、问答系统、对话系统、知识图谱等等。

硬核实战：

为啥选择螺蛳粉评论做分析？因为最近的一个多月螺蛳粉吃得有点上头，每天都要吃一顿，不吃不舒服。干脆，索性整点好玩的，做一下这个螺蛳粉评论。

还记得，上一篇文章的机器学习流程，跟西红柿炒番茄，啊不，是西红柿炒鸡蛋流程一样的。

机器学习： 数据采集—>数据清洗—>特征工程—>数据建模。

西红柿炒鸡蛋：采集西红柿和鸡蛋—>清洗—>切西红柿、将蛋搅拌—>开炒

第一步，采集数据。

采集数据，最简单粗暴的办法，上百度找，去一些竞赛网搜，比如kaggle、和鲸社区、阿里天池。果不其然，真的有。

点进去，一看，竟然才只有两千条数据。这也太少了吧…

那我再重新去淘宝复制一些（手动复制是不可能的，当然得用爬虫啊）。干脆选一样的店铺把，我就进去李子柒淘宝店铺里面找了个螺蛳粉的，往下拉，直接看到了总评数：200万条评论。这么多，我只要一万就肯定够用了！

很快，我终于知道为什么别人的那个数据集只有两千条了。因为淘宝只能展示最近的两千条评论。也就是说，你最多只能复制最新的2千条。

好吧，新爬下来的两千加上下载的两千，总共4千条，勉强能用吧。