Shopee联盟代码：产品评价

数据科学预测用户评分（1-5） 通过给定的产品评论来预测用户评分。 浏览了约150000条产品评论。 处理的文本：对文本进行词形化处理，删除特殊字符，删除sxtra空格，删除停用词。 通过使用Binary分类模型（Logistic回归，SVM）和神经网络（DNN，LSTM，带有单词embeddubg的LSTM）对系统进行了优化。 使用的代码和资源 的Python版本： 3.7 包裹： pandas，numpy，spacy，nltk，sklearn，keras 问题陈述和数据： : 文本预处理参考： : 模型参考： : 文字预处理 做文本预处理： 删除重音符号 扩大收缩 小写文字 删除多余的换行符 在特殊字符之间插入空格以将其隔离 使文本合法化 删除特殊字符 删除停用词 标记化 建筑模型 我尝试了五个不同的模型，并使用准确性和混淆矩阵对其进行了评估：将数据从简单模型拟合到复杂