女性电子商务服装评论数据集
原文：
Women's E-Commerce Clothing Reviews
23,000 Customer Reviews and Ratings
Context
Welcome. This is a Women’s Clothing E-Commerce dataset revolving around the reviews written by customers. Its nine supportive features offer a great environment to parse out the text through its multiple dimensions. Because this is real commercial data, it has been anonymized, and references to the company in the review text and body have been replaced with “retailer”.
Content
This dataset includes 23486 rows and 10 feature variables. Each row corresponds to a customer review, and includes the variables:
Clothing ID: Integer Categorical variable that refers to the specific piece being reviewed.
Age: Positive Integer variable of the reviewers age.
Title: String variable for the title of the review.
Review Text: String variable for the review body.
Rating: Positive Ordinal Integer variable for the product score granted by the customer from 1 Worst, to 5 Best.
Recommended IND: Binary variable stating where the customer recommends the product where 1 is recommended, 0 is not recommended.
Positive Feedback Count: Positive Integer documenting the number of other customers who found this review positive.
Division Name: Categorical name of the product high level division.
Department Name: Categorical name of the product department name.
Class Name: Categorical name of the product class name.
译文：
女性电子商务服装评论
23000个客户评论和评级
概述：
这是一个围绕客户撰写的评论的女装电子商务数据集。它的九个支持特性为通过多个维度解析文本提供了一个很好的环境。因为这是真实的商业数据，所以它被匿名化，评论文本和正文中对公司的引用被替换为“零售商”。
内容：
该数据集包括23486行和10个要素变量。每行对应一个客户审核，并包括以下变量：
Clothing ID：整数分类变量，指正在评审的特定服装。
Age：审阅者年龄的正整数变量。
Title：用于审阅标题的字符串变量。
Review Text：审阅正文的字符串变量。
Rating：客户授予的产品分数的正序数整数变量，从最差的1分到最佳的5分。
Recommended IND：二进制变量，说明客户推荐产品的位置，其中推荐1，不推荐0。
Positive Feedback Count：正整数，记录发现此评论为正面的其他客户的数量。
Division Name：产品高级部门的分类名称。
Department Name：产品部门名称的分类名称。
Class Name：产品类名的分类名称。
大家可以到官网地址下载数据集，我自己也在百度网盘分享了一份。可关注本人公众号，回复“202112”获取下载链接。
女性电子商务服装评论数据集相关推荐
- 自然语言处理--Keras 实现LSTM循环神经网络分类 IMDB 电影评论数据集
LSTM 对于循环网络的每一层都引入了状态(state)的概念,状态作为网络的记忆(memory).但什么是记忆呢?记忆将由一个向量来表示,这个向量与元胞中神经元的元素数量相同.记忆单元将是一个由 n ...
- 改良的用于情感分类的餐馆评论数据集
改良的用于情感分类的餐馆评论数据集 原数据说明 字段说明 数据集改良 1.只保留 rating列 和comment列 2.数据集去重去空 3.按照rating大小二分类 4.均衡正负向评论 原数据说明 ...
- 基于IMDB评论数据集的情感分析
文章目录 前言 一.大型电影评论数据集介绍 二.环境配置 三.实验模型及流程 1.实验模型 2.实验流程 四.实验代码 1.多层感知器模型代码 2.递归神经网络模型代码 3.长短期记忆模型代码 五.实 ...
- 马宁以火辣热舞和女性化服装去挑战人们的传统审美眼光
中国第一妖男马宁和乌克兰妖男团Kazaky之大比拼 乌克兰妖男团简介:2010年9月30日组队,肌肉.性感.高跟鞋.惊人的舞技是这支乐队的标志.kazaky乐队的名称是由乐队的乌克兰名称(Козаки ...
- 电商女装评论数据集分析
探索女性服装电子商务数据集 背景描述 这是一个女性服装电子商务数据集,围绕客户的评论撰写.数据具有9个特征,可以从多个维度解析文本. 由于是真实的商业数据,所以做了匿名处理,评论文本和正文中对该公司的 ...
- 电子商务顾客评论的热点话题分析（转）
摘要: 买家的评论文本数据是电子商务领域一种重要的数据形式,通过对其分析,电商卖家可以直接了解顾客对产品的态度与建议,提取顾客关注的热点问题,也可以进行顾客分类,实现精准营销,改进和提高生产和服务等: ...
- 【Python-ML】电影评论数据集文本挖掘 -在线学习
# -*- coding: utf-8 -*- ''' Created on 2018年1月22日 @author: Jason.F @summary: 文本挖掘,对电影评论进行内容抽取.特征向量化并 ...
- 【Python-ML】电影评论数据集文本挖掘
# -*- coding: utf-8 -*- ''' Created on 2018年1月22日 @author: Jason.F @summary: 文本挖掘,对电影评论进行内容抽取.特征向量化并 ...
- 【小白学习PyTorch教程】十、基于大型电影评论数据集训练第一个LSTM模型
「@Author:Runsen」 本博客对原始IMDB数据集进行预处理,建立一个简单的深层神经网络模型,对给定数据进行情感分析. 数据集下载 here. 原始数据集,没有进行处理here. impor ...
最新文章
- Ten ways to improve the performance of large tables in MySQL--转载
- js，jquery获取页面元素距离浏览器工作区顶端的距离
- ACL 2019 | 面向远程监督关系抽取的模式诊断技术
- php 脏数据,脏数据和时间戳，还有数据一致性校验
- Using ZipLib to create a Zip File in C#
- a标签href不跳转_[网页编程]-06 HTML5 超链接标签
- phpstudy如何安装景安ssl证书 window下apache服务器网站https访问
- go get 的不再src目录中_GO语言基础进阶教程：包的使用
- java生成实体类的工具内部是如何实现的（mysql）
- html5shiv.js css3,Modernizr, html5shiv, ie7.js, and CSS3 Pie. Which to use and when?
- 小米冲击高端，这次能否成功？
- Java工作流有哪些？如何快速掌握Java技术
- Windows系统中owner owned 关系和 parent child关系
- ubuntu 13.10 skype登不上问题
- 利用Plex和Syncthing搭建媒体中心
- 模拟角频率和数字角频率区别
- 为什么L0正则化是一个NP难解问题？
- Java面向对象学习练习———潜艇游戏（飞机游戏）
- 云里黑白第一回——华硕mbr机械硬盘迁移到m.2固态，3秒开机
- pythone是什么_python是什么