Python Flask+Echarts+sklearn+MySQL(评论情感分析、用户推荐、BI报表)项目分享

Python Flask+Echarts+sklearn+MySQL(评论情感分析、用户推荐、BI报表)项目分享

项目背景：

随着互联网的快速发展和智能手机的普及，人们越来越倾向于在网上查找餐厅、购物中心、酒店和旅游景点等商户的点评和评分信息，以便做出更好的消费决策。Yelp作为美国著名的商户点评网站，提供了一个平台，让用户可以对商户进行评价和点评，并与其他用户分享自己的购物体验。本项目旨在利用Yelp Reviews数据集进行点评数据分析和推荐的Web应用开发，以帮助用户做出更好的消费决策，并提升商户的服务质量和用户体验

项目展示：

【基于Yelp数据的Python Flask+Echarts+sklearn+MySQL(评论情感分析、用户推荐、BI报表)项目分享】
https://www.bilibili.com/video/BV1Kp4y1373s/?share_source=copy_web&vd_source=fb36abd6bc945b7222f83631eea0c1f7

bli展示
项目包含：

项目介绍：

数据集来源：

Yelp Reviews是Yelp为了学习目的而发布的一个开源数据集，其中包含了数百万用户的评论、商业属性和大都市地区的照片。这个数据集规模庞大，包含了520万条评论和17.4万条商业属性，成为了一个常用的全球自然语言处理（NLP）挑战数据集

流程介绍：

本项目基于Yelp商户评论数据，将JSON数据通过hadoop集群（也可直接通过Python）将JSON数据进行处理，并且计算出需要的目标数据，放入到MySQL，再通过Python的flask web 建立前后端数据交互，BI报表展示，

流程图：

项目整体：

项目过程：

处理数据->SQL：

user_add表：

business_add表：

topstarsbusiness表：

topreviwcity表：

topnumcity表：

reviews表：

Flask web项目代码：

项目结果展示：

BI大屏前端：

用户推荐测试：

根据用户的id，根据该用户的数据特征，推荐出20个同类似的用户展示：

情感评论分析测试：

输入测试：

好评的测试：

The best takeaway experience I’ve had! The food was incredible, delivered promptly and piping hot. The portion sizes were generous and the flavors were exceptional. The entire ordering process was seamless and the delivery person was friendly and professional. I highly recommend this takeaway business for delicious meals delivered right to your doorstep!

项目获取：

1. 源码

2. 演讲PPT+思维导图

3. 原数据+导出的SQL数据

4. 涉及SQL源代码

5. 项目总结报告+测试报告

6. 项目范围内售后解答。远程包运行

获取：

“ https://afdian.net/item/3359bd103ab211ee888152540025c377 ”