本文為您介紹如何基于外賣評論實現輿情風控。
背景信息
許多商家都有線上留言或評論反饋平臺，消費者可以留言以表達自己對消費商品的反饋。消費者的反饋包括表揚性的正向反饋和批評性的負向反饋，商家需要掌握消費者對于商品的整體輿論取向，進而判斷自己的商品質量是否符合消費者需求。同時，了解評論內容可以方便商家分析輿論導向，指導產品研發。
商家的評論反饋平臺每天都會產生大量留言，傳統的方式是通過人工統計進行輿論情緒收集。該方式不僅效率低，而且很難針對大規模輿論進行精確統計，因此需要自動化方式收集并判斷留言的輿論導向。PAI平臺提供了一套基于文本向量化及分類的算法，可以基于歷史標記的正負留言內容生成分類模型，從而自動預測新增留言的導向。該服務的整體框架已預置在Designer中，基于真實標記的11987條外賣平臺評論數據，實現了自動化的正反向輿論風控，準確性達到75%左右。
您可以使用Designer預置的工作流模板，在1~2天內快速實現輿情風控方案，從而對留言進行批量智能化分析。隨著評論數據的累計，該模型的準確性會逐漸提高。該方案適用于各種文本分析場景，例如垃圾郵件分類及新聞正反情緒分類。
數據集
本工作流的數據集為真實脫敏的外賣平臺標記數據，具體的字段如下。
字段名 | 字段類型 | 描述 |
label | DOUBLE | 標簽，含義如下：
|
review | STRING | 實際的評論數據。 |
數據的示例如下。
基于外賣評論實現輿情風控
進入Designer頁面。
登錄PAI控制臺。
在左側導航欄單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應的工作空間。
在工作空間頁面的左側導航欄選擇，進入Designer頁面。
構建工作流。
在Designer頁面，單擊預置模板頁簽。
在模板列表的基于外賣評論的輿情風控區域，單擊創建。
在新建工作流對話框，配置參數（可以全部使用默認參數）。
其中：工作流數據存儲配置為OSS Bucket路徑，用于存儲工作流運行中產出的臨時數據和模型。
單擊確定。
您需要等待大約十秒鐘，工作流可以創建成功。
在工作流列表，雙擊基于外賣評論的輿情風控工作流，進入工作流。
系統根據預置的模板，自動構建工作流，如下圖所示。
區域
描述
①
數據源，即評論數據。
②
停用詞。可以過濾助動詞及標點符號，需要手動上傳停用詞表，示例如下。
③
文本向量化。使用Doc2Vec算法將每個評論轉換為語義向量，每行表示一個向量，每個向量表示一個評論的含義。工作流運行結束后，您可以右鍵單擊畫布中的Doc2Vec，在快捷菜單中選擇，即可查看文本向量表。
④
生成分類模型。首先將向量化的文本通過拆分算法，拆分為訓練集和測試集。然后將訓練集通過邏輯回歸算法，訓練生成二分類模型，該模型可以判斷評論的正反導向。
⑤
通過混淆矩陣算法，驗證模型的實際效果。
運行工作流并查看輸出結果。
單擊畫布上方的
。工作流運行結束后，右鍵單擊畫布中的混淆矩陣，在快捷菜單，單擊可視化分析。
在混淆矩陣區域，單擊統計信息頁簽，即可查看模型評估的統計信息。