随机森林----评论情感分析系统

京东评论情感分析----随机森林

上次实现了朴素贝叶斯算法实现的评论情感分析，这次使用随机森林模型来对京东评论内容进行分析

Step1: 读取数据集

从文件中读取京东网评论的10000条评论，其中好评6000条，差评4000条(数据来源请见此)

from sklearn.ensemble import RandomForestClassifier          #导入sklearn包下的随机森林分类器
import numpy as np
import pandas as pd
import csv

#输入文件名参数, 返回numpy类型的数据集
def getDataSet(file_name):
    dataset = []                                             #定义数据集
        
    with open(file_name, 'r', encoding='UTF-8') as fp:
        reader = csv.reader(fp)                              #读取csv文件
        dataset = np.array([x for x in reader])             #获得数据集

    return dataset                                          #返回

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Step2: 分词、去停用词、生成词典

从文本文件中读取停用词信息，以列表的方式返回

#获取停用词列表
def getStopWords(file_name):
    stop_words = []                                       #定义停用词表

    with open(file_name, 'r', encoding='UTF-8') as fp:
        stop_words = fp.read().split('\n')                #读取所有停用词，并存放到列表中
        
    return stop_words                                    #返回停用词列表
1
2
3
4
5
6
7
8

对所有评论信息进行分词，并去除停用词

import jieba

#去处停用词，并返回评论切分后的评论列表，每个元素均为一个词语列表
def removeStopWords(X, stop_words):
    all_words = []                                        #定义存放评论的列表，评论均以词典列表形式存在
    
    for sentence in X:                                    #遍历评论列表
        words = []                                        #存放每个评论词语的列表
        
        for word in jieba.lcut(sentence):                 #遍历评论分词后的列表
            
            if word not in stop_words:                    #该词语未在停用词表中
                words.append(word)                         #追加到words中，实现去停用词
                
        all_words.append(words)                            #总评论列表追加该评论分词列表
    
    return all_words                                      #返回结果
    
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

遍历所有评论信息，统计词典

#生成词典，存放评论中所有出现过的词语，待统计词频
def getDictionary(X):
    dictionary = []                                        #定义词典，存放所有出现过的词语
    
    for sentence in X:
        for word in sentence:
            if word not in dictionary:                    #遍历所有评论的词语，若未在词典中存在
                dictionary.append(word)                    #添加
    
    return dictionary                                     #返回结果
    
1
2
3
4
5
6
7
8
9
10
11

Step3: 将评论 转化为 向量

词袋模型，将所有评论信息通过字典映射，转化为向量，最后返回向量列表

#通过词袋模型将每条评论均转换为对应的向量，返回
def word_2_vec(X, dictionary):
    n = len(dictionary)                                   #词典长度
    
    word_vecs = []                                        #存放所有向量的列表
    
    for sentence in X:                                    #遍历评论列表
        word_vec = np.zeros(n)                            #生成 (1,n)维的 0向量
        for word in sentence:                             #遍历评论中的所有词语
            if word in dictionary:                        #若该词语在字典中
                loc = dictionary.index(word)              #找到在词典中的位置
                word_vec[loc] += 1                        #为向量的此位置累加1
            
        word_vecs.append(word_vec)                      #评论列表累加向量
        
    return np.array(word_vecs)                                     #返回结果
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Step4: 拆分数据集为训练集、测试集

评估随机森林模型的执行效率与预测准确度

from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.model_selection import train_test_split
import time


dataset = getDataSet('./datasets/comments.csv')           #读取文件, 返回数据集， 0代表好评, 1代表差评
stop_words = getStopWords('./file/cn-stopwords.txt')      #读取停用词表，返回列表

X = dataset[:, 0]                                         #取出所有评论信息
y = dataset[:, 1]                                         #取出所有标签信息

X = removeStopWords(X, stop_words)                        #对所有评论语句进行分词并去除停用词

dictionary = getDictionary(X)                             #构建词典

X = word_2_vec(X, dictionary)                             #将评论内容通过词袋模型转化为向量

X_train, X_test, y_train, y_test = train_test_split(X, y)              #拆分数据集为训练集、测试集


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Step5: 训练模型、评估模型

评估随机森林模型的预测准确度与效率

train_start_time = time.time()                             #定义模型开始训练时间

forest = RandomForestClassifier(n_estimators=100)                     #构造随机森林，共存在100棵树
forest.fit(X_train, y_train)                                            #训练数据

train_end_time = time.time()                              #模型训练结束时间


predict_start_time = time.time()                          #预测开始时间

res01 = forest.score(X_train, y_train)                    #评估训练集的准确度
res02 = forest.score(X_test, y_test)                      #评估测试集的准确度

predict_end_time = time.time()                            #预测结束时间


print('The training: {}'.format(res01))
print('The test: {}'.format(res02))                       #输出结果

print('train time(s):', train_end_time-train_start_time)     #训练时间
print('test time(s):',predict_end_time-predict_start_time)   #预测时间
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

The training: 1.0
The test: 0.9712
train time(s): 44.56601166725159
test time(s): 2.159437417984009
1
2
3
4

可见，随机森林模型对于训练集的预测准确度为100%，对于测试集的预测准确度为97.12%，也较为不错

但是随机森林模型的训练时间较长，效率有待提高

Step6: 预测评论情感，输出分类结果

以下代码预测100条评论的情绪类别，并输出预测准确率

import random

dic_len = len(dictionary)

start = random.randint(100,2400)

#从测试集中随机抽取50条数据，准备测试
X_data = X_test[start:start+100]
y_data = y_test[start:start+100]

success_test = 0

#对 50条评论信息进行预测
for sequence_index in range(len(X_data)):
    
    #找到该 评论语句 切分后的词组对应的位置，返回一个数组
    locs = np.where(X_data[sequence_index] == 1)
    
    #输出切分、分词后的评论内容
    for loc in locs[0]:
        print(dictionary[loc] ,end='/')
    
    print('\n')
    
    res = forest.predict([X_data[sequence_index]])                #使用随机森林进行预测
    

    #0 代表好评， 1代表差评
    if res == '0':
        result = '0'                     #输出好评
        print('Predict result : 好评', end='\t')
    else:
        result = '1'                     #否则输出差评
        print('Predict result : 差评', end='\t')
    
    #实际该评论的结果
    if y_data[sequence_index] == '0':
        print('Actual results: 好评', end='\t')
    else:   
        print('Actual results: 差评', end='\t')
        
    #判断是否预测正确
    if result == y_data[sequence_index]:
        print('Predict success!', end='\t')
        success_test += 1
    else:
        print('Predict fail!', end='\t')


    print('\n\n')

print('本次测试预测准确度为: {}'.format(success_test/100))
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
41
42
43
44
45
46
47
48
49
50
51
52

好看/屏幕/效果/显示/外形/银色/程度/真的/特别/电脑/很棒/携带/设计/金属/1080p/

Predict result : 好评	Actual results: 好评	Predict success!	


屏幕/第一次/位置/摄像头/垃圾/语/正视/

Predict result : 差评	Actual results: 差评	Predict success!	


性能/外观/屏幕/散热/运行/速度/效果/外形/银色/程度/很快/清晰/炫酷/特色/金属/机身/便捷/点赞/国产/

Predict result : 好评	Actual results: 好评	Predict success!	


不错/做/真的/特别/16/性价比/超高/活动/划算/价格便宜/导购/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/屏幕/散热/感觉/做/好评/运行/速度/效果/外形/轻薄/程度/笔记本/清晰/满意/感受/这款/选择/整体/优秀/花/软件/颜值/台式机/场景/香/回来/那种/新机/综合/快快/1.5/国货/两/荣耀/坚定/室内设计/三维/w/

Predict result : 好评	Actual results: 好评	Predict success!	


流畅/运行/速度/效果/很快/挺/高/清晰/喜欢/刷新率/整洁/配送/电脑配置/反应速度快/桌面/

Predict result : 好评	Actual results: 好评	Predict success!	


速度/稳定/原因/网络/wifi/网络连接/较卡/

Predict result : 好评	Actual results: 差评	Predict fail!	


屏幕/运行/速度/效果/外形/程度/很快/秒/送到/漂亮/够用/开机/订单/上午/傍晚/

Predict result : 好评	Actual results: 好评	Predict success!	


电脑/品牌/主流/喷/说太多/爱国人士/总结经验/

Predict result : 差评	Actual results: 差评	Predict success!	


电量/不到/电池/电脑包/买/送/太快/鼠标/便宜/一周/完/费/好几百/

Predict result : 差评	Actual results: 差评	Predict success!	


分辨率/电脑/体验/购物/显示屏/开箱/愉快/联网/提示/处/退换/欠佳/

Predict result : 差评	Actual results: 差评	Predict success!	


第二天/日常/卡/买回来/速度慢/

Predict result : 差评	Actual results: 差评	Predict success!	


屏幕/不错/感觉/质量/很快/包装/终于/发货/素质/收到/货/时间/第一/拆/比较慢/好久好久/运送/

Predict result : 好评	Actual results: 好评	Predict success!	


屏幕/质量/电脑/刚买/闪/三次/

Predict result : 差评	Actual results: 差评	Predict success!	


性能/流畅/速度/效果/外形/程度/合适/不到/价格/时尚/买/特色/设计/热/开机/打游戏/大屏/一分钟/

Predict result : 好评	Actual results: 好评	Predict success!	


屏幕/不错/速度/很快/质感/清晰/值得/接口/机身/推荐/拎/全金属/身形/

Predict result : 好评	Actual results: 好评	Predict success!	


不错/运行/外形/程度/很快/很棒/清晰/喜欢/特色/处理器/热/整体/英特尔/比较满意/装包里/用久/全金属/不重/微微/有点儿/一点儿/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/外观/流畅/屏幕/散热/速度/效果/外形/灰/轻薄/程度/丝滑/Ps/刚刚/简约/够用/过热/平台/手机/压力/帧/120hz/宽/单手/2k/放在/表面/配色/可选/Lr/率/开阔/浅灰/金属光泽/清爽/握持/两部/

Predict result : 好评	Actual results: 好评	Predict success!	


流畅/屏幕/不错/入手/舒服/高/笔记本/价格/买/太/总体/设计/第一个/很赞/本子/边框/窄/联想/弟弟/做表/Pro16/睿/小键盘/酷/迪/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/办公/非常适合/好评/特别/包装/发货/服务态度/学习/618/日常/便宜/严实/客服/拉满/商品质量/专柜/

Predict result : 好评	Actual results: 好评	Predict success!	


屏幕/不错/感觉/c/做工/力/16/处理器/收到/货/够用/接口/面/10/高刷/完整/方向键/十二代/

Predict result : 好评	Actual results: 好评	Predict success!	


系统/说/14/降价/不行/联想/小新/别买/

Predict result : 差评	Actual results: 差评	Predict success!	


屏幕/运行/速度/效果/外形/轻薄/程度/真的/很漂亮/特色/画面/想象/心/满满的/滴/超轻薄/少女/中薄/粉粉/

Predict result : 好评	Actual results: 好评	Predict success!	


屏幕/舒适/京东/自营/物流/速度/电脑/快递/视频/服务态度/员/正版/官方/宽大/

Predict result : 好评	Actual results: 好评	Predict success!	


质量/电脑/发/C/残次品/面有/凹坑/

Predict result : 差评	Actual results: 差评	Predict success!	


PS/不错/键盘/办公/好评/笔记本/一代/适合/日常/心/烫/我选/追剧/打字/不发/少女/粉色/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/外观/薄/散热/运行/速度/效果/外形/轻薄/程度/很大/高/好用/特色/低调/内涵/分辩率/

Predict result : 好评	Actual results: 好评	Predict success!	


好看/苹果/速度/高/做工/完美/产品/喜欢/MacBook/Air/iPhone/Pro/颜值/太好/iPad/帅气/pencil/watch/凑齐/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/不错/分辨率/质量/物流/轻薄/很快/高/电脑/终于/很漂亮/质感/携带/清晰/收到/货/够用/接口/画质/久/金属/满满的/大小/适中/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/屏幕/很大/色彩/太棒了/很久/划算/高分辨率/强劲/CPU/关注/全金属/新一代/气/一位/首发/助手/价买/办工/

Predict result : 好评	Actual results: 好评	Predict success!	


颜色/高/电脑/携带/收到/货/开/颜值/好好/机会/贼/指导/步骤/康/

Predict result : 好评	Actual results: 好评	Predict success!	


第一次/质量/价格/专卖店/喜欢/优惠/期待/没想到/凑/单买/中奖/土豪/玩意/村里/骄傲/

Predict result : 好评	Actual results: 好评	Predict success!	


买来/性能/外观/散热/物流/运行/速度/外形/轻薄/程度/很快/超薄/喜欢/本来/小巧/孩子/收到/美观大方/上网/疫情/两天/原因/课用/上海/运送/迟迟/收不到/

Predict result : 好评	Actual results: 好评	Predict success!	


京东/换/两次/痕迹/

Predict result : 差评	Actual results: 差评	Predict success!	


买/说/两个/天/降价/块/20/京豆/400/搞笑/赔偿/

Predict result : 差评	Actual results: 差评	Predict success!	


外观/不错/耐用/运行/速度/很快/电池/笔记本/几天/漂亮/轻/评价/整体/特地/

Predict result : 好评	Actual results: 好评	Predict success!	


 /买/降价/想/佩服/500/吐血/5300/

Predict result : 差评	Actual results: 差评	Predict success!	


京东/做工/产品/接口/态度/不好/申请/找/位置/差/电源线/机构/粗糙/

Predict result : 差评	Actual results: 差评	Predict success!	


办公/很快/适合/服务/简单/开机/软件/热情/自带/客服/流程/新手/小狸/

Predict result : 好评	Actual results: 好评	Predict success!	


不错/棒棒/升级/手机/哒/希望/大屏/投屏/联网/笔电/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/好看/不错/特别/高/电脑/购买/质感/值得/性价比/开盖/单手/180/ordm/

Predict result : 好评	Actual results: 好评	Predict success!	


打开/卡/浏览器/黑屏/意外/退出/

Predict result : 差评	Actual results: 差评	Predict success!	


不错/键盘/效果/轻薄/价格/超级/喜欢/漂亮/晚上/收到/学习/手感/接口/屏幕显示/划算/五星/机子/总额/好清/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/薄/散热/音质/办公/效果/棒/外形/轻薄/程度/很快/风扇/声/挺/高/完美/解答/款/质感/机器/说/感受/音效/特色/还好/重量/代/评价/视频/热/ldquo/rdquo/要用/软件/打游戏/久/情况/好久/亮度/卡/机身/12/送货/赞/更新/售前/耐心/疫情/这台/客服/联想/评测/里/观感/一句/话/符合/套/解决/轻度/全金属/手里/i5/纠结/轻微/雾面/k/2.5/驱动/释放/杜比/刷屏/解封/坚定/顿感/导购/03/bios/以内/特别感谢/想法/也眈误/2kg/借用/知名/博主/中正/

Predict result : 好评	Actual results: 好评	Predict success!	


屏幕/办公/轻薄/特别/笔记本/携带方便/携带/一段时间/充电/头/上网/课/手机/那种/不像/功能齐全/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/好看/音质/第一次/物流/运行/购买/清晰/笔记本电脑/挺快/这款/视频/性价比/服务/轻便/设计/操作/耐心/色域/态度/边框/客服/眼睛/参考/手里/很窄/问/电视剧/不累/摄像头/提示/回复/挺大/一步步/隐藏/

Predict result : 好评	Actual results: 好评	Predict success!	


键盘/保障/物流/很快/高/电脑/棒棒/性价比/适合/品质/超高/犹豫/指纹/耐心/哒/客服/负责/学生/背光/登录/解决问题/

Predict result : 好评	Actual results: 好评	Predict success!	


耐用/高级/轻薄/质感/买/适合/开机/品质/家人/按键/几款/敏锐/两/三秒/码字/wifi/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/屏幕/不错/散热/办公/京东/运行/速度/效果/很快/声音/电影/挺/清晰/买/第二天/值得/信赖/适合/开机/品牌/当天/到货/办公室/放在/几秒/

Predict result : 好评	Actual results: 好评	Predict success!	


好看/效果/外形/高级/真的/清晰/买/本来/吸引/没想到/冲着/胃口/

Predict result : 好评	Actual results: 好评	Predict success!	


键盘/很快/特别/高/电脑/购买/值得/性价比/收到/手感/大小/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/薄/屏幕/运行/速度/效果/外形/轻薄/程度/很快/清晰/买/轻便/开机/开/软件/美观/能力/金属/机身/架子/提高/男女/底下/垫个/

Predict result : 好评	Actual results: 好评	Predict success!	


屏幕/不错/ /高/电脑/接受/新/品控/平时/观感/售后/差评/2.8/k/通病/90Hz/刷屏/控/奔/6000/这品/恭维/能换/个例/

Predict result : 差评	Actual results: 差评	Predict success!	


性能/外观/好看/颜色/分辨率/运行/速度/效果/显示/外形/程度/很快/风扇/一点/声音/秒/高/做工/配置/清晰/特色/开/软件/不卡/一会/烫/超/中等/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/屏幕/散热/办公/效果/外形/轻薄/程度/风扇/听到/提升/特色/评价/视频/不用/工作/M1/兼容/软件/绝佳/剪/压力/出差/运转/高负荷/

Predict result : 好评	Actual results: 好评	Predict success!	


月/死机/俩个/

Predict result : 差评	Actual results: 差评	Predict success!	


外观/好看/屏幕/效果/外形/高/特色/颜值/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/散热/质量/显示/风扇/很大/高/体验/清晰/噪音/画面/不用/适合/屏/选择/硬盘/续航/功耗/接口/情况/亮度/日常/机身/一年/售后服务/全/升级/明亮/后期/出色/负载/观感/测试/性强/CPU/坞/释放/插电/可达/上门/400nit/军标/Thinkbook14/高达/50W/自主/依赖/中等水平/

Predict result : 好评	Actual results: 好评	Predict success!	


价格/产品/体验/双十/一买/购物/到手/消费者/差/直降/大半夜/抢货/

Predict result : 差评	Actual results: 差评	Predict success!	


速度/太快/评论/所说/待机时间/长度/下电/

Predict result : 差评	Actual results: 差评	Predict success!	


流畅/屏幕/散热/键盘/运行/ /几天/体验/清晰/太/总体/轻/想象/素质/游戏/工作/手感/情况/稳定/期/惊喜/品控/影响/沉/测试/人脸识别/坏点/来评/偏黄/hhhh/守望/先锋/60fps/强迫症/蜜月/

Predict result : 好评	Actual results: 好评	Predict success!	


好评/默认/填写内容/

Predict result : 差评	Actual results: 差评	Predict success!	


开机/指纹/死机/差/卡机/

Predict result : 差评	Actual results: 差评	Predict success!	


真的/死机/黑屏/服/垃圾/重装系统/

Predict result : 差评	Actual results: 差评	Predict success!	


感觉/真人/上当/态度恶劣/

Predict result : 差评	Actual results: 差评	Predict success!	


屏幕/苹果/运行/速度/很快/真/说/看着/广告/开心/弹窗/产品质量/舒心/杂七杂八/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/流畅/屏幕/舒适/运行/细腻/很爽/高级/真的/做工/系统/太/16/14/感/时间/发现/满满的/一台/瑕疵/点/小新/买过/大屏幕/看久/Air14/W11/thinkbook16/

Predict result : 好评	Actual results: 好评	Predict success!	


质量/ /说/服务/开/品牌/高端/跑/客户/激活/第二次/机子/退/跟不上/国产/良心/维修/上门/中心/机了/修/

Predict result : 差评	Actual results: 差评	Predict success!	


京东/买/说/关机/触摸板/鼠标/换货/失灵/两天/处理速度/找/没用/回去/差评/方式/寄/速度慢/费劲/提交/

Predict result : 差评	Actual results: 差评	Predict success!	


外观/屏幕/爱/物流/运行/速度/效果/外形/很帅/轻薄/程度/高/包装/下单/携带/触感/快递/送/不卡顿/保护/反正/绝子/越来越/清晰度/态度/支持/客服/色差/贼/惠普/嘻嘻/鼠标垫/代言/代言人/发展/模糊/吖/啰/沉重/出货/找坤坤/

Predict result : 好评	Actual results: 好评	Predict success!	


价格/购买/时/样子/鼠标/解决/成/找/元/价值/不合理/119/3699/4089/此事/机制/

Predict result : 差评	Actual results: 差评	Predict success!	


第一台/终于/选/好久/想/犹豫/越来越/拿下/希望/这天/三四年/换来/换取/

Predict result : 好评	Actual results: 好评	Predict success!	


鼠标/不配/差评/

Predict result : 差评	Actual results: 差评	Predict success!	


薄/屏幕/打开/终于/轻/感/金属/摸上去/冰冰凉凉/尺寸/迫不及待/一点点/旁边/整机/15.6/thinkpad/小一/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/外观/散热/运行/速度/外形/轻薄/程度/很快/大气/热/开机/功能/OK/行/放在/详细/指导/桌子/

Predict result : 好评	Actual results: 好评	Predict success!	


速度/机器/送到/喜欢/17/感谢/疫情/期间/送达/预计/原本/隔/老爸/23/

Predict result : 好评	Actual results: 好评	Predict success!	


颜色/屏幕/散热/运行/速度/效果/高/机器/清晰/买/时/值得/性价比/太快/灵敏/推荐/款式/同事/耐看/发烫/明/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/外观/薄/不错/运行/速度/外形/轻薄/程度/声音/很漂亮/清晰/特色/适合/便携/整体/看得/大学生/粉粉/

Predict result : 好评	Actual results: 好评	Predict success!	


外观/办公/运行/舒服/安静/风扇/声音/购买/算是/做工/精细/16/漂亮/总体/寸/值得/重量/适合/轻便/处理器/硬盘/工作/够用/开机/16G/kg/日常/内存/颜值/看着/金属/本子/压力/算/ps/高分辨率/高刷/介绍/在线/USB/i5/详细/扩展/大屏幕/人脸识别/网游/高色域/玩玩/良心/三面/妹子/隐藏式/板载/1.8/导购/预留/全能/守门员/07/ACD/听不懂/走心/位可供/

Predict result : 好评	Actual results: 好评	Predict success!	


挺/电脑/安装/情况/品控/联想/现象/工程师/有没有/差/拿来/闪屏/意见/驱动器/

Predict result : 差评	Actual results: 差评	Predict success!	


性能/外观/屏幕/散热/运行/速度/效果/外形/轻薄/程度/特色/性价比/优秀/超高/

Predict result : 好评	Actual results: 好评	Predict success!	


好看/颜色/运行/速度/外形/轻薄/真的/赶紧/下单/电脑/好用/犹豫/小伙伴/好好看/奥/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/外观/薄/屏幕/散热/办公/运行/速度/效果/很爽/外形/轻薄/程度/重/电脑/超快/音效/特色/玩游戏/哈哈哈/太棒了/全金属/这高/清屏/值钱/没热过/

Predict result : 好评	Actual results: 好评	Predict success!	


京东/自营/物流/速度/打开/秒/包装/太/超快/惊艳/不用/完好/开机/开/推荐/好多年/够/卖/一顺间/纤溥/

Predict result : 好评	Actual results: 好评	Predict success!	


电脑/买/电子/两台/备注/纸质/开发票/

Predict result : 差评	Actual results: 差评	Predict success!	


京东/到货/没收/拖死/

Predict result : 差评	Actual results: 差评	Predict success!	


散热/做/特别/声音/很大/电脑/热/失望/几个/表格/差/排风扇/

Predict result : 差评	Actual results: 差评	Predict success!	


喜欢/颜值/爱住/

Predict result : 好评	Actual results: 好评	Predict success!	


不错/键盘/高/电脑/几天/发货/完好/收到/颜值/耐心/到货/客服/亮点/细致/友好/回答/有问必答/背光/盒子/两层/可控/内层/试运行/

Predict result : 好评	Actual results: 好评	Predict success!	


超级/买/实物/介绍/差/不符/千万别/骗/

Predict result : 差评	Actual results: 差评	Predict success!	


说/2022/2021/

Predict result : 差评	Actual results: 差评	Predict success!	


性能/外观/屏幕/散热/入手/苹果/耐用/运行/速度/效果/外形/电池/电脑/提升/体验/款/买/漂亮/年/情况/果断/能力/推荐/联想/第一款/2011/G460/空间/经济/许可/

Predict result : 好评	Actual results: 好评	Predict success!	


屏幕/不错/键盘/做工/质感/习惯/操作/摸/好大/符合/电源/外壳/用料/扎实/

Predict result : 好评	Actual results: 好评	Predict success!	


打开/电脑/买/太/后悔/文件/还卡/转圈圈/七八年/

Predict result : 差评	Actual results: 差评	Predict success!	


两个/客服/解决/黑屏/星期/莫名其妙/

Predict result : 差评	Actual results: 差评	Predict success!	


电脑包/送/鼠标/服/不送/算了/

Predict result : 差评	Actual results: 差评	Predict success!	


性能/强大/屏幕/分辨率/风扇/质感/说/16/寸/屏/稳定/检查/发现/便宜/这块/联想/70/图片/入/测试/收货/解决/开启/文本/家/60/打折/外接/健康/额外/异响/室内/荣耀/1080/U/相比之下/dlss/3050/轴/失真/红厂/添头/2077/图能/飙到/这不比/隔壁/小新香/

Predict result : 好评	Actual results: 好评	Predict success!	


性能/打开/说/强劲/三个/垃圾/cad/崩/妈/

Predict result : 差评	Actual results: 差评	Predict success!	


键盘/一点/换/反正/新/退回去/那么回事/

Predict result : 差评	Actual results: 差评	Predict success!	


好看/速度/下单/笔记本/第二天/喜欢/晚上/孩子/收到/上网/上午/课用/

Predict result : 好评	Actual results: 好评	Predict success!	


本次测试预测准确度为: 0.99
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
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501

小结

通过和朴素贝叶斯模型实现的评论情感分析进行对比，可发现随机森林模型的预测准确度明显提高，稳定性也更强

但美中不足的是随机森林模型训练时间较长，实际开发中可能对系统效率有所影响。