[发明专利]一种基于多元线性回归模型的餐馆评分预测方法

权利要求书

1.一种基于线性回归的餐馆星级评价方法，其特征在于：包括以下步骤：

S1：从餐饮网站上抓取数据，并对数据进行分析，最后获得三个相关的数据表，分别是user、business、review这三张表；

S2：在review表中提取相关的用户评论数据，分析评论文本的语义极性和主观性，所述语义极性包括褒义、中性或者贬义；

S3：在网站提供的特征和语义分析获得的主观性和极性中，同时考虑用户和餐馆对评分预测的影响，选择需要的特征变量；

S4：把相关的数据表导入数据库中，用SQL语句获得我们选择的特征变量的数据集，并将数据集分成若干个更小的数据集；

S5：对于获得的数据，进行克伦巴赫系数均衡数据的置信度分析，得到可信度较高的数据作为分析的数据样本，选取alpha系数大于预设阈值的数据集，若不存在这样的数据集转移到S3；

S6：构造理论模型，设定各个自变量与因变量之间的关系是线性的，从而建立多元线性回归模型，借助工具进行多元线性回归处理得到数据；

S7：对模型进行检验，一个指标是拟合度，设定拟合阈值为拟合程度很高，第二个指标为DW检验，通过T显著性指标大于指标阈值，对设置的指标进行筛选，获得回归方程，否则如果无法获得我们想要的模型，就转移到S3；

S8：运行模型，进行共线性诊断，查看VIF方差扩大因子，若VIF小于门限值则判断自变量之间不存在共线性，否则我们需要进行主成分分析处理共线性问题，之后分析残差，若残差不满足要求就转移到S3；

S9：若满足上述步骤的要求，则说明该线性回归方程模型满足该数据集，利用得到的线性回归方程，同时结合用户和餐馆信息，得出尚未有星级的餐馆的评价星级。

2.如权利要求1所述的基于线性回归的餐馆星级评价方法，其特征在于：所述步骤S1中，UGC类网站上，用户会通过自身的体验对商户进行评分与评价，而每个用户在评分后会给出评论，从餐饮网站上抓取三张数据表格user、business、review，User表为用户信息，包括用户粉丝数、用户平均星评及用户评价数信息；Business表为餐馆信息，包括餐馆评价数、餐馆星级信息；Review表为评论信息，包括评论cool、评论funny、评论useful、评论星评及评价文本信息。

3.如权利要求1或2所述的基于线性回归的餐馆星级评价方法，其特征在于：所述步骤S2中，用户在评论中使用描述情感的形容词，表现情感强度的副词、标点符号，通过抓取这一系列的关键词汇可以数值化评论中所包含的情感值。因为用回归法时，需要数值型数据，需要将标称型数据转成二值型数据。

4.如权利要求1或2所述的基于线性回归的餐馆星级评价方法，其特征在于：所述步骤S3中，同时考虑用户自身体验的指标和商户已经存在的客观指标，以及语义分析得到特征，选定影响餐馆评分的13个重要特征：评论cool、评论funny、评论useful、极性、主观性、评论字母数、评论不重单词数、餐馆评价数、餐馆星级、评论星评、用户粉丝、用户平均星级和用户评价数。

5.如权利要求4所述的基于线性回归的餐馆星级评价方法，其特征在于：所述步骤S4中，把user、business、review中的数据导入数据库中，之后用SQL语句获得我们想要的13个指标的一张汇总表；然后把汇总表导出，并随机分成20份。

6.如权利要求5所述的基于线性回归的餐馆星级评价方法，其特征在于：所述步骤S5中，对20张表格中已提取的评价长度和评价情感值进行可靠性分析，借助克伦巴赫信度系数来衡量数据的置信度，克伦巴赫信度系数公式为：

同时结合F检验，对数据进行筛选，得到可信度较高的数据作为分析的数据样本，当alpha系数大于0.5，该数据集可靠，进入下一步；否则，转到S3。