旅游评论数据集

此数据集由爬行TripAdvisor.com填充。考虑对东亚地区提到的10类目的地进行审查。每个旅行者的评级被映射为优秀（4）、非常好（3）、平均（2）、差（1）和糟糕（0），平均评级用于每个用户的每个类别。 Attribute Information: 属性1：唯一用户id 属性2：用户对美术馆的平均反馈 属性3：用户对舞蹈俱乐部的平均反馈 属性4：用户对果汁条的平均反馈 属性5：用户对餐厅的平均反馈 属性6：用户对博物馆的平均反馈 属性7：平均用户对度假村的反馈 属性8：公园/野餐地点的平均用户反馈 属性9：用户对海滩的平均反馈 属性10：影院的平均用户反馈 属性11：用户对宗教机构的平均反馈 Relevant Papers: Renjith, Shini, A. Sreekumar, and M. Jathavedan. 2018. a€?evaluation of Partitioning Clustering Algorithms for Processing Social Media Data in Tourism Domaina€?. In 2018 IEEE Recent Advances in Intelligent Computational Systems (RAICS), 127a€“31. IEEE. Citation Request: Renjith, Shini, A. Sreekumar, and M. Jathavedan. 2018. a€?evaluation of Partitioning Clustering Algorithms for Processing Social Media Data in Tourism Domaina€?. In 2018 IEEE Recent Advances in Intelligent Computational Systems (RAICS), 127a€“31. IEEE.

本数据集通过爬取TripAdvisor网站的数据构建。本次数据集针对东亚地区提及的10类旅游目的地开展标注校验。每位旅行者的评分将被映射为五级评分体系：优秀（4分）、非常好（3分）、一般（2分）、较差（1分）、极差（0分），用户在各分类下的平均评分将作为对应特征的取值。

属性信息：
属性1：唯一用户ID
属性2：用户对美术馆的平均评分
属性3：用户对舞蹈俱乐部的平均评分
属性4：用户对果汁条的平均评分
属性5：用户对餐厅的平均评分
属性6：用户对博物馆的平均评分
属性7：用户对度假村的平均评分
属性8：用户对公园/野餐地点的平均评分
属性9：用户对海滩的平均评分
属性10：用户对影院的平均评分
属性11：用户对宗教机构的平均评分

相关研究论文：
Renjith, Shini, A. Sreekumar 与 M. Jathavedan. 2018. 《旅游领域社交媒体数据处理的分区聚类算法评估》. 见：2018年IEEE智能计算系统最新进展研讨会（RAICS）, 第127-131页. IEEE.

引用要求：
Renjith, Shini, A. Sreekumar 与 M. Jathavedan. 2018. 《旅游领域社交媒体数据处理的分区聚类算法评估》. 见：2018年IEEE智能计算系统最新进展研讨会（RAICS）, 第127-131页. IEEE.

搜集汇总

背景与挑战

背景概述

旅游评论数据集包含来自TripAdvisor.com的东亚地区10类目的地的用户评论和评级数据，评分等级从优秀到糟糕共5级，适用于旅游领域的社交媒体数据分析研究。