[背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community 有很多为餐馆评价而设计的系统 但是 今天我们来聊聊我们建立的一个非常新颖有趣的系统 对于我们来说 今天是一个非常重要的日子 我们试图要预定一个日本餐馆 我们非常喜欢日本食物 想要找一个比较酷的地方去吃日餐 但是我们住在西雅图 西雅图是吃日式食物非常棒的地方 这里有很多地方可以吃寿司 实际上 有很多评分比较高的餐厅 大概达到了4星 因此我们需要考虑去哪一家餐厅去吃 我考虑的不只是餐厅的总体评分 而且 我还会考虑餐厅里具体的食品的评分 还有周围的环境怎么样？ 还有这家餐馆的寿司做的怎么样？ 这些是我真正关心的问题 我非常喜欢寿司，我想要非常棒非常新鲜的鱼肉 我想获得最棒、最新颖的寿司 因此 当你谈到关于一个餐馆的积极评论时 比如 在西雅图这家我们非常喜欢的餐馆 作为样本 可能会有这样的评价 亲眼看大厨创作一道难以置信的 可食用的“艺术品”，是一个非常独特的体验 如果从那个方面来考虑这个餐馆的话 这个经历的确是一个正面评价 但是另一个评论可能会说 我的妻子尝试了一下拉面 然而 它是口味很一般的 这意味着 拉面不是很好吃 现在，这个评论继续说， 这里的寿司是都是非常美味的 可以说是西雅图最好吃的寿司了 因此 寿司的确是让人竖大拇指赞扬的 现在 我不关心拉面 我来这个餐馆不是吃拉面的 我不关心这个不喜欢这个餐馆的拉面的人 也不关心这个人的妻子不喜欢这里的拉面 我最关心的是这里的寿司口感和体验是非常棒的 因此这个评论是最符合我的需求的 因此的那个我考虑这个餐馆的评论时 我想要知道这个餐厅的一些方面 比如它的积极 或者 消极的方面 考虑确确实实会对我的兴趣产生影响的方面 因此 我查看所有餐馆的评论 然后我想把它们输入给这个新的 非常有趣的新型的餐馆推荐系统中去 这样就可以告诉我 这个餐馆的体验是好的 四星级 这里的拉面非常一般 但是谁去关心呢？ 但是 这里的寿司 我最关心的食物 是五星级的 不像拉面那么口味一般 这个系统会告诉我一些有趣的反馈 举个例子 这个餐馆有全西雅图最棒的寿司 现在 那家餐馆就是我想去的地方 那么，我们怎样才能构建这样一个智能的餐馆推荐系统呢？ 我们要从所有的评论开始 我要把这些拆分成一些语句 每一条评论都是由多条语句构成的 一些语句还覆盖了这个餐馆的不同方面的评价 举个例子 有一句话是这么说的 这里有西雅图最好的寿司 我想要把这句话输入一个情感分类器 这个情感分类器会告诉我这个句子是积极评价 还是 一个消极的评价 现在我有了这样的一个情感分类器 怎么去读入一句话 然后 判断这句话是积极的还是消极的呢？ 我们怎么去建立这样的一个新型餐馆评论系统？ 我们要用到所有的评论 然后 把这些评论拆分成可能会被讨论的很多语句 然后 我要选择与我所关心的内容有关的那些语句 因此，这些语句中，哪些是确实和寿司有关的呢？ 因此，不是所有的语句，而是这些语句的一个子集 我把筛选后的语句子集 输入到情感分类器中 然后我可以对每个语句的结果求平均值 在这个例子里，所有的语句都是积极的 我可以说这个餐馆在寿司的评价上是五星级的 不只是这样，我还可以观察这些关于寿司的语句 找出哪一句话是最积极的评价 举个例子 这个肯定是积极的评价 “很有可能是西雅图最好的餐馆” 这个也许是最积极的评价了 我可以展示这句话 同样的 我也可以展示最消极的一个 在这个例子里 没有关于寿司的负面评价 [背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community