基于评论数据的酒店服务质量的细粒度分析

在评论数据上采用情感分析方法,研究酒店用户满意度的影响因子,可以为酒店管理者提供及时建议,改进酒店管理的效能。针对目前酒店评论数据分析方法没有进行细粒度情感分析的问题,提出一种融入Word Embedding特征的分类方法,有效地对评论数据进行细粒度分类。通过基于词典的情感分析方法对酒店评论进行极性判断,从而获得用户对酒店服务的细粒度情感评价。该方法能让酒店管理层快速全面了解酒店服务质量情况,有效提升了酒店管理效率。在大规模实际酒店评论数据上进行实验,结果表明了该方法的有效性。     

办公建筑空气质量(PM2.5)净化研究

本文通过对北京污染情况分析,从现有的技术中找出切实可行的处理方案,并应用到某办公楼项目中,经国家建筑工程质量监督检验中心对该项目检验后,达到了设计要求。     

基于随机森林模型的餐饮数据预测

本文针对某公司的餐饮数据,通过人工智能的方法进行数据分析,指导决策者的日常规划、进而实现成本的节约和资源的合理配置。具体来说,我们以某公司的后勤餐饮数据为例,经过数据预处理、特征工程等操作,基于随机森林模型预测该公司的每日就餐人数,为该公司的日常采购行为和餐饮配套服务提供科学和数据依据。通过此方法对餐饮数据进行预测,能够从看似单一的餐饮数据中获取更多有价值的信息,以帮助管理者切实了解职工人员的就餐需求,从而做出合理的安排和决策。实验表明,本文所提出的智能决策方案比传统的启发性的预算方案减少了13.56%的每日损耗,为该公司带来每天4005.85rmb的成本节省,整体损耗率降低了0.92%（占实际总费用）。由此可见,利用人工智能的方法实现后勤成本的控制是一个有效且值得认真探索的课题。