基于BERT模型的餐饮电商在线评论情感挖掘

以本地美团网美食类店铺为例,爬取在线大量数据,按目标格式注入Google的BERT模型(Bidirectional Encoding Representations from Transformers.),并构建研究对象所适用的数据模型,对潜在评论情感极性能够准确预测,对正向情感评价最高可达98%准确率,98%召回率,F1-Score最高达0.98。特别地也分析了其负向F1-Score的成因,并提出利用F1-Score构建平台分流与展现推广付费的思路。