|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
|
|
|
"translation_date": "2025-09-06T09:22:39+00:00",
|
|
|
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
|
|
|
"language_code": "mo"
|
|
|
}
|
|
|
-->
|
|
|
# 使用酒店評論進行情感分析
|
|
|
|
|
|
現在您已詳細探索了數據集，是時候篩選欄位並使用自然語言處理（NLP）技術來從數據集中獲取有關酒店的新見解。
|
|
|
|
|
|
## [課前測驗](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
### 篩選與情感分析操作
|
|
|
|
|
|
如您可能已注意到，數據集存在一些問題。一些欄位充滿了無用的信息，另一些似乎不正確。如果它們是正確的，計算方式仍然不清楚，並且無法通過您自己的計算獨立驗證答案。
|
|
|
|
|
|
## 練習：進一步處理數據
|
|
|
|
|
|
稍微清理一下數據。添加一些稍後會有用的欄位，更改其他欄位中的值，並完全刪除某些欄位。
|
|
|
|
|
|
1. 初步欄位處理
|
|
|
|
|
|
1. 刪除 `lat` 和 `lng`
|
|
|
|
|
|
2. 將 `Hotel_Address` 的值替換為以下值（如果地址包含城市和國家的名稱，則僅保留城市和國家）。
|
|
|
|
|
|
以下是數據集中唯一的城市和國家：
|
|
|
|
|
|
阿姆斯特丹，荷蘭
|
|
|
|
|
|
巴塞隆納，西班牙
|
|
|
|
|
|
倫敦，英國
|
|
|
|
|
|
米蘭，意大利
|
|
|
|
|
|
巴黎，法國
|
|
|
|
|
|
維也納，奧地利
|
|
|
|
|
|
```python
|
|
|
def replace_address(row):
|
|
|
if "Netherlands" in row["Hotel_Address"]:
|
|
|
return "Amsterdam, Netherlands"
|
|
|
elif "Barcelona" in row["Hotel_Address"]:
|
|
|
return "Barcelona, Spain"
|
|
|
elif "United Kingdom" in row["Hotel_Address"]:
|
|
|
return "London, United Kingdom"
|
|
|
elif "Milan" in row["Hotel_Address"]:
|
|
|
return "Milan, Italy"
|
|
|
elif "France" in row["Hotel_Address"]:
|
|
|
return "Paris, France"
|
|
|
elif "Vienna" in row["Hotel_Address"]:
|
|
|
return "Vienna, Austria"
|
|
|
|
|
|
# Replace all the addresses with a shortened, more useful form
|
|
|
df["Hotel_Address"] = df.apply(replace_address, axis = 1)
|
|
|
# The sum of the value_counts() should add up to the total number of reviews
|
|
|
print(df["Hotel_Address"].value_counts())
|
|
|
```
|
|
|
|
|
|
現在您可以查詢國家級數據：
|
|
|
|
|
|
```python
|
|
|
display(df.groupby("Hotel_Address").agg({"Hotel_Name": "nunique"}))
|
|
|
```
|
|
|
|
|
|
| Hotel_Address | Hotel_Name |
|
|
|
| :--------------------- | :--------: |
|
|
|
| 阿姆斯特丹，荷蘭 | 105 |
|
|
|
| 巴塞隆納，西班牙 | 211 |
|
|
|
| 倫敦，英國 | 400 |
|
|
|
| 米蘭，意大利 | 162 |
|
|
|
| 巴黎，法國 | 458 |
|
|
|
| 維也納，奧地利 | 158 |
|
|
|
|
|
|
2. 處理酒店元評論欄位
|
|
|
|
|
|
1. 刪除 `Additional_Number_of_Scoring`
|
|
|
|
|
|
2. 將 `Total_Number_of_Reviews` 替換為數據集中實際存在的該酒店的評論總數
|
|
|
|
|
|
3. 將 `Average_Score` 替換為我們自己計算的分數
|
|
|
|
|
|
```python
|
|
|
# Drop `Additional_Number_of_Scoring`
|
|
|
df.drop(["Additional_Number_of_Scoring"], axis = 1, inplace=True)
|
|
|
# Replace `Total_Number_of_Reviews` and `Average_Score` with our own calculated values
|
|
|
df.Total_Number_of_Reviews = df.groupby('Hotel_Name').transform('count')
|
|
|
df.Average_Score = round(df.groupby('Hotel_Name').Reviewer_Score.transform('mean'), 1)
|
|
|
```
|
|
|
|
|
|
3. 處理評論欄位
|
|
|
|
|
|
1. 刪除 `Review_Total_Negative_Word_Counts`、`Review_Total_Positive_Word_Counts`、`Review_Date` 和 `days_since_review`
|
|
|
|
|
|
2. 保留 `Reviewer_Score`、`Negative_Review` 和 `Positive_Review` 不變
|
|
|
|
|
|
3. 暫時保留 `Tags`
|
|
|
|
|
|
- 我們將在下一部分對標籤進行一些額外的篩選操作，然後刪除標籤
|
|
|
|
|
|
4. 處理評論者欄位
|
|
|
|
|
|
1. 刪除 `Total_Number_of_Reviews_Reviewer_Has_Given`
|
|
|
|
|
|
2. 保留 `Reviewer_Nationality`
|
|
|
|
|
|
### 標籤欄位
|
|
|
|
|
|
`Tag` 欄位存在問題，因為它是一個列表（以文本形式）存儲在欄位中。不幸的是，該欄位中的子部分順序和數量並不總是相同。由於數據集有 515,000 行和 1427 家酒店，每位評論者可以選擇的選項略有不同，因此人類很難識別出需要關注的正確短語。這正是 NLP 的優勢所在。您可以掃描文本，找到最常見的短語並進行統計。
|
|
|
|
|
|
不幸的是，我們對單詞不感興趣，而是對多詞短語（例如 *商務旅行*）感興趣。對如此大量的數據（6762646 個單詞）運行多詞頻率分佈算法可能需要非常長的時間，但如果不查看數據，似乎這是必要的成本。這時探索性數據分析就派上用場了，因為您已經看過標籤的樣本，例如 `[' 商務旅行 ', ' 獨行旅客 ', ' 單人房 ', ' 住了 5 晚 ', ' 從移動設備提交 ']`，您可以開始思考是否有可能大幅減少需要處理的數據量。幸運的是，可以做到，但首先需要遵循一些步驟來確定感興趣的標籤。
|
|
|
|
|
|
### 篩選標籤
|
|
|
|
|
|
請記住，數據集的目標是添加情感和欄位，以幫助您選擇最佳酒店（無論是為自己還是為可能委託您製作酒店推薦機器人的客戶）。您需要問自己這些標籤在最終數據集中是否有用。以下是一種解釋（如果您需要數據集用於其他目的，可能會有不同的標籤選擇）：
|
|
|
|
|
|
1. 旅行類型是相關的，應保留
|
|
|
2. 客人群體類型是重要的，應保留
|
|
|
3. 客人入住的房間、套房或工作室類型是無關的（所有酒店基本上都有相同的房間）
|
|
|
4. 提交評論的設備是無關的
|
|
|
5. 評論者入住的夜晚數 *可能* 是相關的，如果您認為更長的入住時間意味著他們更喜歡酒店，但這是一個牽強的推測，可能無關
|
|
|
|
|
|
總結來說，**保留兩種類型的標籤並移除其他標籤**。
|
|
|
|
|
|
首先，您不希望在標籤格式更好之前進行統計，因此需要移除方括號和引號。您可以通過多種方式完成此操作，但您需要最快的方法，因為處理大量數據可能需要很長時間。幸運的是，pandas 提供了一種簡單的方法來完成每一步。
|
|
|
|
|
|
```Python
|
|
|
# Remove opening and closing brackets
|
|
|
df.Tags = df.Tags.str.strip("[']")
|
|
|
# remove all quotes too
|
|
|
df.Tags = df.Tags.str.replace(" ', '", ",", regex = False)
|
|
|
```
|
|
|
|
|
|
每個標籤變成類似於：`商務旅行, 獨行旅客, 單人房, 住了 5 晚, 從移動設備提交`。
|
|
|
|
|
|
接下來我們發現了一個問題。一些評論或行有 5 列，一些有 3 列，一些有 6 列。這是數據集創建方式的結果，很難修復。您希望獲得每個短語的頻率統計，但它們在每條評論中的順序不同，因此統計可能不準確，酒店可能未被分配到它應得的標籤。
|
|
|
|
|
|
相反，您可以利用不同的順序，因為每個標籤是多詞的，但也由逗號分隔！最簡單的方法是創建 6 個臨時欄位，每個標籤插入到對應於其順序的欄位中。然後您可以將 6 個欄位合併為一個大欄位，並在合併後的欄位上運行 `value_counts()` 方法。打印結果，您會看到有 2428 個唯一標籤。以下是小樣本：
|
|
|
|
|
|
| Tag | Count |
|
|
|
| ------------------------------ | ------ |
|
|
|
| 休閒旅行 | 417778 |
|
|
|
| 從移動設備提交 | 307640 |
|
|
|
| 情侶 | 252294 |
|
|
|
| 住了 1 晚 | 193645 |
|
|
|
| 住了 2 晚 | 133937 |
|
|
|
| 獨行旅客 | 108545 |
|
|
|
| 住了 3 晚 | 95821 |
|
|
|
| 商務旅行 | 82939 |
|
|
|
| 團體 | 65392 |
|
|
|
| 帶小孩的家庭 | 61015 |
|
|
|
| 住了 4 晚 | 47817 |
|
|
|
| 雙人房 | 35207 |
|
|
|
| 標準雙人房 | 32248 |
|
|
|
| 高級雙人房 | 31393 |
|
|
|
| 帶大孩的家庭 | 26349 |
|
|
|
| 豪華雙人房 | 24823 |
|
|
|
| 雙人或雙床房 | 22393 |
|
|
|
| 住了 5 晚 | 20845 |
|
|
|
| 標準雙人或雙床房 | 17483 |
|
|
|
| 經典雙人房 | 16989 |
|
|
|
| 高級雙人或雙床房 | 13570 |
|
|
|
| 2 間房 | 12393 |
|
|
|
|
|
|
一些常見標籤如 `從移動設備提交` 對我們毫無用處，因此在統計短語出現次數之前移除它們可能是明智的，但這是一個非常快速的操作，您可以保留它們並忽略它們。
|
|
|
|
|
|
### 移除入住時長標籤
|
|
|
|
|
|
移除這些標籤是第一步，它稍微減少了需要考慮的標籤總數。注意，您並未從數據集中移除它們，只是選擇不將它們作為評論數據集中的值進行統計/保留。
|
|
|
|
|
|
| 入住時長 | Count |
|
|
|
| -------------- | ------ |
|
|
|
| 住了 1 晚 | 193645 |
|
|
|
| 住了 2 晚 | 133937 |
|
|
|
| 住了 3 晚 | 95821 |
|
|
|
| 住了 4 晚 | 47817 |
|
|
|
| 住了 5 晚 | 20845 |
|
|
|
| 住了 6 晚 | 9776 |
|
|
|
| 住了 7 晚 | 7399 |
|
|
|
| 住了 8 晚 | 2502 |
|
|
|
| 住了 9 晚 | 1293 |
|
|
|
| ... | ... |
|
|
|
|
|
|
房間、套房、工作室、公寓等種類繁多。它們基本上都意味著相同的事情，對您來說並不重要，因此從考慮中移除它們。
|
|
|
|
|
|
| 房間類型 | Count |
|
|
|
| ------------------------- | ----- |
|
|
|
| 雙人房 | 35207 |
|
|
|
| 標準雙人房 | 32248 |
|
|
|
| 高級雙人房 | 31393 |
|
|
|
| 豪華雙人房 | 24823 |
|
|
|
| 雙人或雙床房 | 22393 |
|
|
|
| 標準雙人或雙床房 | 17483 |
|
|
|
| 經典雙人房 | 16989 |
|
|
|
| 高級雙人或雙床房 | 13570 |
|
|
|
|
|
|
最後，這是令人愉快的（因為幾乎不需要太多處理），您將只剩下以下 **有用** 的標籤：
|
|
|
|
|
|
| Tag | Count |
|
|
|
| --------------------------------------------- | ------ |
|
|
|
| 休閒旅行 | 417778 |
|
|
|
| 情侶 | 252294 |
|
|
|
| 獨行旅客 | 108545 |
|
|
|
| 商務旅行 | 82939 |
|
|
|
| 團體（與朋友旅行者合併） | 67535 |
|
|
|
| 帶小孩的家庭 | 61015 |
|
|
|
| 帶大孩的家庭 | 26349 |
|
|
|
| 帶寵物 | 1405 |
|
|
|
|
|
|
您可以認為 `與朋友旅行者` 與 `團體` 基本相同，這樣合併是合理的，如上所示。識別正確標籤的代碼位於 [Tags notebook](https://github.com/microsoft/ML-For-Beginners/blob/main/6-NLP/5-Hotel-Reviews-2/solution/1-notebook.ipynb)。
|
|
|
|
|
|
最後一步是為每個這些標籤創建新欄位。然後，對於每條評論行，如果 `Tag` 欄位與新欄位之一匹配，則添加 1，否則添加 0。最終結果將是統計有多少評論者選擇了這家酒店（總體上）作為商務旅行、休閒旅行或帶寵物入住的選擇，這在推薦酒店時是有用的信息。
|
|
|
|
|
|
```python
|
|
|
# Process the Tags into new columns
|
|
|
# The file Hotel_Reviews_Tags.py, identifies the most important tags
|
|
|
# Leisure trip, Couple, Solo traveler, Business trip, Group combined with Travelers with friends,
|
|
|
# Family with young children, Family with older children, With a pet
|
|
|
df["Leisure_trip"] = df.Tags.apply(lambda tag: 1 if "Leisure trip" in tag else 0)
|
|
|
df["Couple"] = df.Tags.apply(lambda tag: 1 if "Couple" in tag else 0)
|
|
|
df["Solo_traveler"] = df.Tags.apply(lambda tag: 1 if "Solo traveler" in tag else 0)
|
|
|
df["Business_trip"] = df.Tags.apply(lambda tag: 1 if "Business trip" in tag else 0)
|
|
|
df["Group"] = df.Tags.apply(lambda tag: 1 if "Group" in tag or "Travelers with friends" in tag else 0)
|
|
|
df["Family_with_young_children"] = df.Tags.apply(lambda tag: 1 if "Family with young children" in tag else 0)
|
|
|
df["Family_with_older_children"] = df.Tags.apply(lambda tag: 1 if "Family with older children" in tag else 0)
|
|
|
df["With_a_pet"] = df.Tags.apply(lambda tag: 1 if "With a pet" in tag else 0)
|
|
|
|
|
|
```
|
|
|
|
|
|
### 保存文件
|
|
|
|
|
|
最後，將現在的數據集保存為新名稱。
|
|
|
|
|
|
```python
|
|
|
df.drop(["Review_Total_Negative_Word_Counts", "Review_Total_Positive_Word_Counts", "days_since_review", "Total_Number_of_Reviews_Reviewer_Has_Given"], axis = 1, inplace=True)
|
|
|
|
|
|
# Saving new data file with calculated columns
|
|
|
print("Saving results to Hotel_Reviews_Filtered.csv")
|
|
|
df.to_csv(r'../data/Hotel_Reviews_Filtered.csv', index = False)
|
|
|
```
|
|
|
|
|
|
## 情感分析操作
|
|
|
|
|
|
在最後一部分中，您將對評論欄位進行情感分析，並將結果保存到數據集中。
|
|
|
|
|
|
## 練習：加載並保存篩選後的數據
|
|
|
|
|
|
請注意，現在您加載的是上一部分保存的篩選後數據集，而 **不是** 原始數據集。
|
|
|
|
|
|
```python
|
|
|
import time
|
|
|
import pandas as pd
|
|
|
import nltk as nltk
|
|
|
from nltk.corpus import stopwords
|
|
|
from nltk.sentiment.vader import SentimentIntensityAnalyzer
|
|
|
nltk.download('vader_lexicon')
|
|
|
|
|
|
# Load the filtered hotel reviews from CSV
|
|
|
df = pd.read_csv('../../data/Hotel_Reviews_Filtered.csv')
|
|
|
|
|
|
# You code will be added here
|
|
|
|
|
|
|
|
|
# Finally remember to save the hotel reviews with new NLP data added
|
|
|
print("Saving results to Hotel_Reviews_NLP.csv")
|
|
|
df.to_csv(r'../data/Hotel_Reviews_NLP.csv', index = False)
|
|
|
```
|
|
|
|
|
|
### 移除停用詞
|
|
|
|
|
|
如果您對負面和正面評論欄位運行情感分析，可能需要很長時間。在一台性能強大的測試筆記本電腦上進行測試，使用快速 CPU，根據使用的情感分析庫不同，耗時 12 - 14 分鐘。這是一個（相對）較長的時間，因此值得研究是否可以加快速度。
|
|
|
|
|
|
移除停用詞，即不改變句子情感的常見英文詞，是第一步。通過移除它們，情感分析應該會更快，但不會降低準確性（因為停用詞不影響情感，但它們會減慢分析速度）。
|
|
|
|
|
|
最長的負面評論有 395 個單詞，但移除停用詞後，只有 195 個單詞。
|
|
|
|
|
|
移除停用詞也是一個快速操作，對 515,000 行的 2 個評論欄位移除停用詞在測試設備上耗時 3.3 秒。根據您的設備 CPU 速度、RAM、是否有 SSD 以及其他一些因素，可能需要稍多或稍少的時間。操作相對短暫，這意味著如果它能改善情感分析時間，那麼值得進行。
|
|
|
|
|
|
```python
|
|
|
from nltk.corpus import stopwords
|
|
|
|
|
|
# Load the hotel reviews from CSV
|
|
|
df = pd.read_csv("../../data/Hotel_Reviews_Filtered.csv")
|
|
|
|
|
|
# Remove stop words - can be slow for a lot of text!
|
|
|
# Ryan Han (ryanxjhan on Kaggle) has a great post measuring performance of different stop words removal approaches
|
|
|
# https://www.kaggle.com/ryanxjhan/fast-stop-words-removal # using the approach that Ryan recommends
|
|
|
start = time.time()
|
|
|
cache = set(stopwords.words("english"))
|
|
|
def remove_stopwords(review):
|
|
|
text = " ".join([word for word in review.split() if word not in cache])
|
|
|
return text
|
|
|
|
|
|
# Remove the stop words from both columns
|
|
|
df.Negative_Review = df.Negative_Review.apply(remove_stopwords)
|
|
|
df.Positive_Review = df.Positive_Review.apply(remove_stopwords)
|
|
|
```
|
|
|
|
|
|
### 執行情感分析
|
|
|
|
|
|
現在您應該計算負面和正面評論欄位的情感分析，並將結果存儲在 2 個新欄位中。情感分析的測試是將其與同一評論的評論者分數進行比較。例如，如果情感分析認為負面評論的情感分數為 1（極度正面情感）且正面評論的情感分數為 1，但評論者給酒店的分數是最低分，那麼要麼評論文本與分數不匹配，要麼情感分析器無法正確識別情感。您應該預期某些情感分數完全錯誤，通常可以解釋，例如評論可能非常諷刺 "當然我非常喜歡住在沒有暖氣的房間裡"，情感分析器可能認為這是正面情感，但人類閱讀時會知道這是諷刺。
|
|
|
NLTK 提供了不同的情感分析器供學習使用，您可以替換它們並查看情感分析是否更準確或不準確。這裡使用的是 VADER 情感分析。
|
|
|
|
|
|
> Hutto, C.J. & Gilbert, E.E. (2014). VADER: 一種簡潔的基於規則的社交媒體文本情感分析模型。第八屆國際網誌與社交媒體會議 (ICWSM-14)。美國密歇根州安娜堡，2014 年 6 月。
|
|
|
|
|
|
```python
|
|
|
from nltk.sentiment.vader import SentimentIntensityAnalyzer
|
|
|
|
|
|
# Create the vader sentiment analyser (there are others in NLTK you can try too)
|
|
|
vader_sentiment = SentimentIntensityAnalyzer()
|
|
|
# Hutto, C.J. & Gilbert, E.E. (2014). VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text. Eighth International Conference on Weblogs and Social Media (ICWSM-14). Ann Arbor, MI, June 2014.
|
|
|
|
|
|
# There are 3 possibilities of input for a review:
|
|
|
# It could be "No Negative", in which case, return 0
|
|
|
# It could be "No Positive", in which case, return 0
|
|
|
# It could be a review, in which case calculate the sentiment
|
|
|
def calc_sentiment(review):
|
|
|
if review == "No Negative" or review == "No Positive":
|
|
|
return 0
|
|
|
return vader_sentiment.polarity_scores(review)["compound"]
|
|
|
```
|
|
|
|
|
|
在程式中，當您準備計算情感時，可以將其應用到每個評論，如下所示：
|
|
|
|
|
|
```python
|
|
|
# Add a negative sentiment and positive sentiment column
|
|
|
print("Calculating sentiment columns for both positive and negative reviews")
|
|
|
start = time.time()
|
|
|
df["Negative_Sentiment"] = df.Negative_Review.apply(calc_sentiment)
|
|
|
df["Positive_Sentiment"] = df.Positive_Review.apply(calc_sentiment)
|
|
|
end = time.time()
|
|
|
print("Calculating sentiment took " + str(round(end - start, 2)) + " seconds")
|
|
|
```
|
|
|
|
|
|
在我的電腦上大約需要 120 秒，但每台電腦的時間可能會有所不同。如果您想打印結果並查看情感是否與評論匹配：
|
|
|
|
|
|
```python
|
|
|
df = df.sort_values(by=["Negative_Sentiment"], ascending=True)
|
|
|
print(df[["Negative_Review", "Negative_Sentiment"]])
|
|
|
df = df.sort_values(by=["Positive_Sentiment"], ascending=True)
|
|
|
print(df[["Positive_Review", "Positive_Sentiment"]])
|
|
|
```
|
|
|
|
|
|
在挑戰中使用文件之前，最後要做的事情是保存它！您還應該考慮重新排列所有新列，使其更容易使用（對人類來說，這是一種外觀上的改變）。
|
|
|
|
|
|
```python
|
|
|
# Reorder the columns (This is cosmetic, but to make it easier to explore the data later)
|
|
|
df = df.reindex(["Hotel_Name", "Hotel_Address", "Total_Number_of_Reviews", "Average_Score", "Reviewer_Score", "Negative_Sentiment", "Positive_Sentiment", "Reviewer_Nationality", "Leisure_trip", "Couple", "Solo_traveler", "Business_trip", "Group", "Family_with_young_children", "Family_with_older_children", "With_a_pet", "Negative_Review", "Positive_Review"], axis=1)
|
|
|
|
|
|
print("Saving results to Hotel_Reviews_NLP.csv")
|
|
|
df.to_csv(r"../data/Hotel_Reviews_NLP.csv", index = False)
|
|
|
```
|
|
|
|
|
|
您應該運行 [分析筆記本](https://github.com/microsoft/ML-For-Beginners/blob/main/6-NLP/5-Hotel-Reviews-2/solution/3-notebook.ipynb) 的完整程式碼（在您運行 [篩選筆記本](https://github.com/microsoft/ML-For-Beginners/blob/main/6-NLP/5-Hotel-Reviews-2/solution/1-notebook.ipynb) 以生成 Hotel_Reviews_Filtered.csv 文件之後）。
|
|
|
|
|
|
回顧一下，步驟如下：
|
|
|
|
|
|
1. 原始數據集文件 **Hotel_Reviews.csv** 在上一課中使用 [探索筆記本](https://github.com/microsoft/ML-For-Beginners/blob/main/6-NLP/4-Hotel-Reviews-1/solution/notebook.ipynb) 進行了探索
|
|
|
2. **Hotel_Reviews.csv** 通過 [篩選筆記本](https://github.com/microsoft/ML-For-Beginners/blob/main/6-NLP/5-Hotel-Reviews-2/solution/1-notebook.ipynb) 進行篩選，生成 **Hotel_Reviews_Filtered.csv**
|
|
|
3. **Hotel_Reviews_Filtered.csv** 通過 [情感分析筆記本](https://github.com/microsoft/ML-For-Beginners/blob/main/6-NLP/5-Hotel-Reviews-2/solution/3-notebook.ipynb) 進行處理，生成 **Hotel_Reviews_NLP.csv**
|
|
|
4. 在下面的 NLP 挑戰中使用 **Hotel_Reviews_NLP.csv**
|
|
|
|
|
|
### 結論
|
|
|
|
|
|
當您開始時，您擁有一個包含列和數據的數據集，但並非所有數據都可以驗證或使用。您已探索數據，篩選出不需要的部分，將標籤轉換為有用的內容，計算自己的平均值，添加了一些情感列，希望您學到了有關處理自然文本的一些有趣知識。
|
|
|
|
|
|
## [課後測驗](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
## 挑戰
|
|
|
|
|
|
現在您已經分析了數據集的情感，試著使用您在本課程中學到的策略（例如聚類）來確定情感的模式。
|
|
|
|
|
|
## 回顧與自學
|
|
|
|
|
|
參加 [這個 Learn 模組](https://docs.microsoft.com/en-us/learn/modules/classify-user-feedback-with-the-text-analytics-api/?WT.mc_id=academic-77952-leestott)，了解更多並使用不同的工具來探索文本中的情感。
|
|
|
|
|
|
## 作業
|
|
|
|
|
|
[嘗試使用不同的數據集](assignment.md)
|
|
|
|
|
|
---
|
|
|
|
|
|
**免責聲明**：
|
|
|
本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。 |
