文件名称：基于审阅的多标签文本分类：基于Amazon产品审阅的多标签文本分类，找到审阅所要记录的主题区域。 使用TfidfVectorizer和LogisticRegression
文件大小：1.5MB
文件格式：ZIP
更新时间：2024-02-24 19:19:16
python nlp deep-neural-networks deep-learning text-classification
多标签文字分类 基于Amazon Product Review的多标签文本分类，找到该评论将记录到的主题/区域 确定亚马逊产品评论的关键方面 电子商务通过提供给客户和零售商的多种见解，彻底改变了零售体验。 顾客的评论被视为零售商对其产品和服务的反馈。 这些反馈使他们能够更好地了解行业并提高产品的效率和质量。 对评论的全面分析可以为零售商和电子商务平台提供有关提高客户满意度所需的改进的见解。 电子商务团队手动处理此类百万条评论的分析，这是一项非常耗时的任务。 当零售商获得延迟反馈时，这会影响零售商的业务。 在这里，我创建了一种简化的机器学习方法，用于分析反馈并确定突出显示的关键问题。 数据
【文件预览】：
Multi-label-text-classification-based-on-Review-master
----main.py(132B)
----Identify key aspects of a Review Deep Learning.ipynb(39KB)
----Identify key aspects of a Review NB-SVM.ipynb(56KB)
----Identify key aspects of a Review ML.ipynb(24KB)
----__pycache__()
--------main.cpython-36.pyc(319B)
----Identify key aspects of a Review.ipynb(54KB)
----Fact Call Details.ipynb(240KB)
----requirements.txt(3KB)
----.gitignore(567B)
----README.md(2KB)
----trained_rnn_new(0B)
----category nlp training.ipynb(1.02MB)
----readme.txt(1KB)
----Dataset()
--------train.csv(1.87MB)
--------test.csv(792KB)