-------- -------- AMAZON REVIEWS ANALYSIS -------- -------- Corso di Data Analytics a.a. 2018-19 Università degli studi di Milano-Bicocca -------- Autori 807628 Matteo Basso 807130 Marco Ferri -------- Struttura progetto DA-BassoFerri-AmazonReviewsAnalysis-REPORT.pdf : RELAZIONE PROGETTO DA-BassoFerri-AmazonReviewsAnalysis-SLIDE.pdf : PRESENTAZIONE PROGETTO README.txt : sono io! datasets/ : contiene il riferimento al dataset utilizzato (capitolo 1.2) amazon-5-core.txt : url del dataset e info aggiuntive sul suo utilizzo una copia del suddetto è reperibile nella cartella scripts/ notebooks/ : Python Jupyter Notebooks sentiment.ipynb : ANALISI ESPLORATIVA, SENTIMENT ANALYSIS E PREDICTION (capitoli 2, 4 e 5) network.ipynb : NETWORK ANALYSIS e COLLABORATIVE FILTERING (capitoli 3 e 7) Si consiglia l'esecuzione tramite Google Colab per la gestione automatica delle dipendenze cytoscape/ network_analysis.cys : progetto Cytoscape per la network analysis (capitolo 3) movielens.cys : progetto Cytoscape per la rete Movielens (capitolo 7.3.2) networks/ clothshoes_full.graphml : Amazon network clothshoes_full.netstats : Amazon network stats movielens.graphml : Movielens netwok (capitolo 7.3.2) movielens.netstats : Movielens network stats (capitolo 7.3.2) scripts/ : Sorgenti Python per ASPECT BASED SENTIMENT ANALYSIS (capitolo 6) requirements.txt : Lista dipendenze pip absa.py : Effettua l'analisi vera e propria come spiegato in relazione aspect_sentiment.py : Invocato dalla Web demo per utilizzare absa.py loadDataset.py : Invocato dalla Web demo per caricare il dataset output.json : Creato dalla Web demo e letto per la visualizzazione dalla UI reviews_Clothing_Shoes[...].gz : Dataset usato dalla Web demo (equivalente a quello dei notebook) È possibile avere una dimostrazione del funzionamento di absa.py con il comando: pip install -r requirements.txt python aspect_sentiment.py --out myfile.json --threshold 7 --source reviews_Clothing_Shoes_and_Jewelry_5.json.gz Qualora non funzionasse, sarebbe richiesta l'installazione di cholmod per l'importazione della libreria nltk http://faculty.cse.tamu.edu/davis/suitesparse.html https://github.com/jlblancoc/suitesparse-metis-for-windows app/ : Web demo (capitolo 8) server/ : Back-end Node.js app/ : Front-end React.js Previa installazione di Node.js è possibile eseguire la demo tramite i comandi: \app\server > npm install \app\server > npm start \app\client > npm install \app\client > npm start La demo sarà utilizzabile con un browser all'indirizzo http://localhost:3000/ (sentiment prediction è da provare in lingua inglese)