基于外卖评论实现舆情风控

本文为您介绍如何基于外卖评论实现舆情风控。

背景信息

许多商家都有线上留言或评论反馈平台，消费者可以留言以表达自己对消费商品的反馈。消费者的反馈包括表扬性的正向反馈和批评性的负向反馈，商家需要掌握消费者对于商品的整体舆论取向，进而判断自己的商品质量是否符合消费者需求。同时，了解评论内容可以方便商家分析舆论导向，指导产品研发。

商家的评论反馈平台每天都会产生大量留言，传统的方式是通过人工统计进行舆论情绪收集。该方式不仅效率低，而且很难针对大规模舆论进行精确统计，因此需要自动化方式收集并判断留言的舆论导向。PAI平台提供了一套基于文本向量化及分类的算法，可以基于历史标记的正负留言内容生成分类模型，从而自动预测新增留言的导向。该服务的整体框架已预置在Designer中，基于真实标记的11987条外卖平台评论数据，实现了自动化的正反向舆论风控，准确性达到75%左右。

您可以使用Designer预置的工作流模板，在1~2天内快速实现舆情风控方案，从而对留言进行批量智能化分析。随着评论数据的累计，该模型的准确性会逐渐提高。该方案适用于各种文本分析场景，例如垃圾邮件分类及新闻正反情绪分类。

数据集

本工作流的数据集为真实脱敏的外卖平台标记数据，具体的字段如下。

字段名

字段类型

描述

label

DOUBLE

标签，含义如下：

1：表示正向评论。
0：表示负向评论。

review

STRING

实际的评论数据。

数据的示例如下。原始数据示例

进入Designer页面。
1. 登录PAI控制台。
2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应的工作空间。
3. 在工作空间页面的左侧导航栏选择模型开发与训练 > 可视化建模（Designer），进入Designer页面。

构建工作流。

在Designer页面，单击预置模板页签。
在模板列表的基于外卖评论的舆情风控区域，单击创建。
在新建工作流对话框，配置参数（可以全部使用默认参数）。
其中：工作流数据存储配置为OSS Bucket路径，用于存储工作流运行中产出的临时数据和模型。
单击确定。
您需要等待大约十秒钟，工作流可以创建成功。
在工作流列表，双击基于外卖评论的舆情风控工作流，进入工作流。

系统根据预置的模板，自动构建工作流，如下图所示。

外卖工作流

区域	描述
①	数据源，即评论数据。
②	停用词。可以过滤助动词及标点符号，需要手动上传停用词表，示例如下。
③	文本向量化。使用Doc2Vec算法将每个评论转换为语义向量，每行表示一个向量，每个向量表示一个评论的含义。工作流运行结束后，您可以右键单击画布中的Doc2Vec，在快捷菜单中选择查看数据 > 输出文档向量表，即可查看文本向量表。
④	生成分类模型。首先将向量化的文本通过拆分算法，拆分为训练集和测试集。然后将训练集通过逻辑回归算法，训练生成二分类模型，该模型可以判断评论的正反导向。
⑤	通过混淆矩阵算法，验证模型的实际效果。

运行工作流并查看输出结果。
1. 单击画布上方的。
2. 工作流运行结束后，右键单击画布中的混淆矩阵，在快捷菜单，单击可视化分析。
3. 在混淆矩阵区域，单击统计信息页签，即可查看模型评估的统计信息。