入门GPT | 词袋模型（Bag of Words）辅助提升餐厅满意度

"""
scikit-learn
"""
import jieba
from sklearn.feature_extraction.text import CountVectorizer
import numpy as np

# 客户评论
reviews = [
    "食物非常美味，配送速度也很快！",
    "配送太慢了，食物已经凉了。",
    "食物很棒，服务也不错，就是价格稍贵。",
    "从未见过这么差的服务，食物送得又慢又难吃！",
    "这家餐厅的食物真是太美味了，值得推荐！",
    "虽然配送慢，但食物的味道让我感到惊喜。",
    "食物美味可口，配送速度也有待提高。",
    "我觉得这道菜非常美味，值得再点一次。",
    "配送速度慢得让人失望，但食物的味道弥补了这一点。",
    "这道菜的味道真是美味无比，令人回味无穷。",
    "虽然等了很久，但食物的美味让我觉得值得。",
    "每次来这家店，食物的美味总是让我惊喜。",
    "配送的速度实在太慢，影响了我的用餐体验。"
]

# 分词预处理
# 停用词列表
stop_words = ["了", "的", "也", "从未", "这么", "但", "就是"]

# 分词与去停用词
def preprocess_text(corpus):
    processed_corpus = []
    for text in corpus:
        words = jieba.lcut(text)  # 使用 jieba 分词
        words = [word for word in words if word notin stop_words]  # 去停用词
        processed_corpus.append(" ".join(words))  # 拼接成字符串
    return processed_corpus

preprocessed_reviews = preprocess_text(reviews)
print("分词后的评论：")
print(preprocessed_reviews)
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.

分词后的评论：
['食物 非常 美味 ， 配送 速度 很快 ！', '配送 太慢 ， 食物 已经 凉 。', '食物 很棒 ， 服务 不错 ， 价格 稍贵 。', '从未见过 差 服务 ， 食物 送得 又 慢 又 难吃 ！', '这家 餐厅 食物 真是太 美味 ， 值得 推荐 ！', '虽然 配送 慢 ， 食物 味道 让 我 感到 惊喜 。', '食物 美味可口 ， 配送 速度 有待 提高 。', '我 觉得 这 道菜 非常 美味 ， 值得 再点 一次 。', '配送 速度慢 得 让 人 失望 ， 食物 味道 弥补 这 一点 。', '这 道菜 味道 真是 美味 无比 ， 令人 回味无穷 。', '虽然 等 很 久 ， 食物 美味 让 我 觉得 值得 。', '每次 来 这家 店 ， 食物 美味 总是 让 我 惊喜 。', '配送 速度 实在 太慢 ， 影响 我 用餐 体验 。']
1.
2.

from sklearn.feature_extraction.text import CountVectorizer

# 构建 BoW 模型
vectorizer = CountVectorizer()
bow_matrix = vectorizer.fit_transform(preprocessed_reviews)

# 输出词汇表
print("\n词汇表：")
print(vectorizer.get_feature_names_out())
1.
2.
3.
4.
5.
6.
7.
8.
9.

词汇表：
['一次''一点''不错''从未见过''令人''价格''体验''值得''再点''味道''回味无穷''太慢''失望''实在'
'已经''弥补''影响''很快''很棒''总是''惊喜''感到''推荐''提高''无比''有待''服务''每次'
'用餐''真是''真是太''稍贵''美味''美味可口''虽然''觉得''这家''送得''速度''速度慢''道菜''配送'
'难吃''非常''食物''餐厅']
1.
2.
3.
4.
5.

# 输出 BoW 矩阵
print("\nBoW 矩阵：")
print(bow_matrix.toarray())
1.
2.
3.

BoW 矩阵：
[[000000000000000001000000000000001000
0010010110]
 [000000000001001000000000000000000000
0000010010]
 [001001000000000000100000001000010000
0000000010]
 [000100000000000000000000001000000000
0100001010]
 [000000010000000000000010000000101000
1000000011]
 [000000000100000000001100000000000010
0000010010]
 [000000000000000000000001010000000100
0010010010]
 [100000011000000000000000000000001001
0000100100]
 [010000000100100100000000000000000000
0001010010]
 [000010000110000000000000100001001000
0000100000]
 [000000010000000000000000000000001011
0000000010]
 [000000000000000000011000000100001000
1000000010]
 [000000100001010010000000000010000000
0010010000]]
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.

from sklearn.metrics.pairwise import cosine_similarity
# 计算余弦相似度
cos_sim_matrix = cosine_similarity(bow_matrix)
# 热力图的绘制
import matplotlib.pyplot as plt
import seaborn as sns

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
plt.rcParams['axes.unicode_minus'] = False# 解决负号显示问题

plt.figure(figsize=(12, 10))
sns.heatmap(cos_sim_matrix, annot=True, cmap='coolwarm', 
            xticklabels=[reviews[i] for i in range(len(reviews))],
            yticklabels=[reviews[i] for i in range(len(reviews))], fmt=".2f", 
            cbar_kws={"shrink": .8})

plt.title("评论之间的余弦相似度热力图", fontsize=16)
plt.xlabel("评论", fontsize=14)
plt.ylabel("评论", fontsize=14)

# 调整标签的字体大小和旋转角度
plt.xticks(rotation=45, ha='right', fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.tight_layout()
plt.show()
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.

# 计算词频
word_counts = np.asarray(bow_matrix.sum(axis=0)).flatten()
word_freq = dict(zip(vectorizer.get_feature_names_out(), word_counts))

# 按词频排序并输出前10个词
sorted_word_freq = sorted(word_freq.items(), key=lambda x: x[1], reverse=True)[:10]

print("\n词频最高的前10个词：")
for word, freq in sorted_word_freq:
    print(f"{word}: {freq}")
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

词频最高的前10个词：
食物: 10
美味: 6
配送: 6
值得: 3
味道: 3
速度: 3
太慢: 2
惊喜: 2
服务: 2
虽然: 2
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.