原创投稿 行业报告 AI展会 数据标注
投稿发布
您的当前位置:首页 > 下载中心 > 社会服务 > 正文

欧洲Booking酒店评论数据

发布:可思数据 时间:2020-04-07
数据类型:文本语料 热度

文件类型:.zip              文件大小:45 MB

授权方式:公共开源     发布时间:2020-04-07

数据来源:Jason Liu             数据语言:英文

数据介绍:

该数据是从Booking.com上抓取的。文件中的所有数据已经​​公开提供给所有人。数据最初由Booking.com拥有。如果您想在其他地方使用此数据集,请通过可思数据注明来源并仅用于学习及研究为目的

数据介绍:

该数据集包含515,000条客户评论以及欧洲1493家豪华酒店的评分。同时,还提供了酒店的地理位置以供进一步分析。

资料内容:

csv文件包含17个字段。每个字段的说明如下:

  • Hotel_Address:酒店地址。
  • Review_Date:评论者发布相应评论的日期。
  • 平均得分:酒店的平均得分,根据去年的最新评论计算得出。
  • Hotel_Name:酒店名称
  • 审稿人_国籍:审稿人国籍
  • Negative_Review:评论者对酒店的负面评论。如果审稿人未给出否定的评论,则应为:“否定的否定”
  • 评论否定总数:否定评论中的词总数。
  • Positive_Review:审阅者对酒店的正面评价。如果审稿人没有给出负面评价,则应为:“无正面评价”
  • 审核积极数:积极评论中的单词总数。
  • Reviewer_Score:点评者根据其经验给酒店的分数
  • 人数评论审阅考虑:一些审查的评审,在过去给了。
  • 人数 of_Reviews:有效审查的酒店总数。
  • 标签:标签评论者给了酒店。
  • ,因为审查的日期和刮日期之间的时间:审查。
  • 计分的额外数量:也有一些客人只是对服务进行了评分,而不是进行评论。该数字指示其中有多少有效分数,而无需查看。
  • 纬度:酒店的纬度
  • lng:酒店的经度

 

数据集较大且内容丰富,可以进一步激发挖掘新研究科目!

  • 在评论和得分上拟合回归模型,以查看哪些词更能指示更高/更低的得分
  • 对评论进行情感分析
  • 查找审阅者的国籍和分数之间的相关性。
  • 数据集上美丽而信息丰富的可视化。
  • 根据评论对酒店进行聚类
  • 简单的推荐引擎给喜欢酒店特色的客人。
下载地址:

特别声明:

¤ 此数据集库仅供研究和教育用途,不得用于任何商业用途。
¤ 如果您在任何出版物或报告中使用该数据库,则必须添加引用本站来源。
¤ 版权归作者及所在组织所有。
¤ 如用于商业用途,请联系版权所有人。
¤ 本站数据来源于网络如有侵权请联系我们。
¤ 本站数据压缩包统一解压密码:www.sykv.com
人工智能权威社区
人工智能交流群扫码邀请

相关文章:

    无相关信息

相关推荐:

网友评论:

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

数据标注服务

Copyright©2005-2020 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
关闭