2022年手游市场满意度调研

本项目基于国内最大的移动手机游戏论坛TapTap，爬取手游用户评论，使用多种方法分析2022年手游市场的满意度。

一、快速开始

克隆项目到本地

git clone https://github.com/anglee2002/SentimentAnalysis.git

配置python环境并安装相关依赖(建议使用conda环境)

# 在项目根目录下执行:
# 创建conda环境,并指定python版本为3.8及以上
conda create -n sentimentanalysis python=3.8
# 激活环境
conda activate sentimentanalysis
# 安装依赖
pip install -r requirements.txt

运行程序

请更改src目录下的python程序中的数据集路径,然后在项目根目录下执行:

python src/*/*.py

附加说明

1. 本实验设备为MacBook Pro 2020(m1 Apple silicon)，系统为macOS Ventura 13.2 (22D49)。
   由于硬件兼容问题,没有测试Windows系统,但理论上可以运行。
2. 本实验的tensorflow为ARM版本,由于tensorflow的原因,可能会出现一些警告,但是不影响运行。
3. 本实验的bert模型为中文版,由于模型文件过大,没有上传,请自行下载。
4. 若运行出现问题,请在issue中提出。

二、项目结构

Sentiment Analysis

├── LICENSE //开源许可
├── README.md //README文档
├── requirements.txt //依赖说明
├── dataset //数据集
│   └── taptap_review //TapTap评论数据集
└── src //源代码
    └── sentiment_dictionary //情感字典
        └── sentiment_dictionary.py //情感字典python程序
        └── 情感极性词典
            └── 中文停用词.txt
            └── 否定词.txt
            └── 程度副词.txt
            └── BosonNLP //boson情感词典
                └── BosonNLP_sentiment_score.txt
                └── license.txt 
                └── README.txt
            └── 词典来源说明.txt
    └── machine_learning //机器学习
            └── svm.py //支持向量机
            └── naive_bayes.py //朴素贝叶斯
            └── adaboost.py //集成学习
    └── deep_learning //深度学习
        └── bi_lstm.py //Bi-LSTM模型
        └── attention_lstm.py //LSTM模型+Attention机制
    └── transfer Learning //迁移学习
        └── finetune_bert.py //bert模型微调

三、数据集说明

本次实验数据集来自PP飞桨公开数据集。

数据集包含手游网站 TapTap 上约 300 款游戏的标签评论，共4888个数据示例。

该数据集以csv格式存储，每一行含有review和sentiment两个参数，其中review为用户的评论文本，sentiment的值为 1 和 0

用户评论低于 3星(最多5星)被视为 0(不满意)，其他为 1(满意)。两个类别的比例大致为 1:1

【数据集结构】
taptap_review # 4888条数据,按照7:3划分训练集和测试集
├── train.csv #3422条数据
└── test.csv #1466条数据

【数据注释】
review：评论文本
sentiment：0代表不满意，1代表满意

四、模型选择

1.基于情感词典的情感极性分析

  (1)基于BosonNLP的情感分析

2.基于机器学习的情感极性分析

  (1)Svm #支持向量机
 
  (2)Naive_bayes #朴素贝叶斯
  
  (3)Adaboost #集成学习

3.基于深度学习的情感极性分析

  (1)Bi-LSTM模型
  
  (2)LSTM模型+Attention机制

4.基于迁移学习的情感极性分析

  (1)bert模型微调

五、实验结果

六、版权声明

BosonNLP情感词典由玻森数据授权使用。

Bert模型版权由谷歌公司所有。

其他部分根据MIT License开源。

anglee0323 / Taptap_SentimentAnalysis