reviews summarization:使用Transformers对网络抓取的餐厅评论进行主观抽象总结和评分预测 源码

抽象汇总,以改善消费者生成的在线数据分析 抽象的 在去餐厅之前,人们会阅读Yelp,TripAdvisor或Booking等专用网站的评论和评论。 他们希望减少与决定去那个地方与家人或朋友共进晚餐或午餐有关的风险。 如果将这些注释放在一起,则它们要成千上万个句子,这对于人类很难获得有关该位置的全面意见而言是很难总结的。 尽管先前的研究提出了用于定量分析评论(即评论的价和数量)的解决方案,但本研究提出了一个基于创新的Attention-Transformer架构的模型,该架构基于T5 Google模型。 结果表明,按标题进行的文字摘要(食品质量,服务质量,环境条件,COVID保护措施)比当前的星级系统和现有的过滤方法更准确地描述了餐厅的表现。 对于公民来说,这是一种在决策之前可以获取信息的新方法。 对于管理人员而言,它有助于确定最有价值的客户,并制定行动计划以改善其场所内的质量和客户体验。