OmPatil2806/App-review-sentiment-nlp

# App Review 情感 NLP 一个端到端 NLP pipeline，用于将 Google Play Store 应用评论分类为正面、负面或中性。这最初是我为了在同一个真实数据集上对比经典 ML、深度学习与 transformers 而创建的，而不是仅仅停留在阅读它们之间的差异上。 ## 数据集 使用 [Google Play Store 用户评论](https://www.kaggle.com/datasets/lava18/google-play-store-apps)数据集（`googleplaystore_user_reviews.csv`）。它包含了各种应用的翻译后用户评论，以及情感标签和极性/主观性得分。 ## Notebook 包含的内容 该 pipeline 分为以下几个部分： - **EDA** – 类别分布、评论长度、缺失值、词云 - **文本清洗** – 转换为小写、标点符号/停用词移除、词形还原、语言检测（剔除非英语评论），以及过滤极短的评论 - **预处理** – 使用 SMOTE 处理类别不平衡问题 - **特征工程** – TF-IDF 和 Word2Vec embeddings - **建模** – 训练并对比了三种方法： - Logistic Regression (TF-IDF) - LSTM (Word2Vec embeddings) - DistilBERT (fine-tuned transformer) - **评估** – 准确率、F1、混淆矩阵，以及三种模型的并排对比 ## 环境设置 ``` pip install -r requirements.txt python -m spacy download en_core_web_sm ``` 然后只需打开 `app_review_sentiment_pipeline.ipynb` 并从头到尾运行所有单元格。NLTK 在首次运行时会自动拉取所需的资源（punkt、stopwords、wordnet）。 请注意：DistilBERT 部分如果使用 GPU 运行速度会快得多。在 CPU 上依然可以运行，只是需要多些耐心。 ## 文件 ``` ├── app_review_sentiment_pipeline.ipynb # main notebook ├── generate_notebook.py # script that builds the notebook programmatically └── googleplaystore_user_reviews.csv # dataset ```

标签：Apex, DistilBERT, LSTM, TF-IDF, 情感分析, 数据科学, 文本分类, 机器学习, 资源验证, 逆向工具