近年来，大模型等技术飞速发展，通过AI技术赋能餐饮服务提升正逐渐走向成熟。
今天我们就来分享下，微海公司的新实践——用户评价的情感分析：通过用户评价，自动提取分析真实消费体验，帮助餐企服务升级。
一般而言，用户评价的情感分析可以围绕三要素“属性、观点、情感”展开。
例如，对于给定的用户评论“这家店环境不错，但服务很糟糕”，预期的输出结果为（环境，不错，正向）、（服务，糟糕，负向）。
1、业务问题
2、技术调研
自此，业界后续研究开始向三元组联合抽取展开。
从学术界来看，更关注于如何更好地进行实体抽取、情感分类以及多任务的联合抽取，可能会忽略业务落地时更关注的计算时效性、效果准确性等方面要求，导致相关技术方法并不能直接应用于业务场景，需要进一步开发完善才能实现业务的落地。
3、技术目标
1、实体识别
BertForTokenClassification 类——简单来说，就是通过在预训练的BERT模型基础上添加一个线性分类层来实现对“给定文本”的菜名提取。2、菜品对应的观点抽取
3、情感分类
{"comment": "福建海蛎煎很好吃，但是价格有点贵","list":[{"aspect": "福建海蛎煎","option" "很好吃","sentiment": "正向"},{"aspect": "福建海蛎煎","option" "价格有点贵","sentiment": "负向"}]}
评论数据获取与分析
1、评论数据获取
通过多种渠道收集用户评论数据，包括在线点评平台和直接客户反馈。为了确保数据的全面性和准确性，我们做了定期更新和获取最新的评论信息。
2、评论数据分析
在获取评论数据后，我们利用前述的细粒度情感分析模型，对评论进行深入分析。模型自动识别评论中的菜品和服务相关信息，提取观点，并判定情感极性。
3、BI系统集成
分析结果被集成至微海BI系统中。通过数据可视化技术，我们将情感分析结果转化为易于理解的看板。餐企可以通过这些看板快速查看整体情感趋势以及各个门店的具体情感表现。
总体情感趋势：展示整体用户情感的变化趋势，帮助餐企了解品牌的整体口碑。
门店情感分析：提供每个门店的详细情感数据，帮助餐企识别服务或产品的优势和改进点。
单菜品分析：针对每道菜品，展示用户的具体反馈和情感趋势，帮助餐饮企业优化菜单和菜品质量。
服务方面分析：分析用户对服务质量的评价，包括员工态度、服务速度等，帮助餐企提升服务水平。
食安方面分析：收集和分析用户对食品安全的反馈，帮助餐企及时识别和解决潜在问题，确保食品安全合规。
4、客户价值
通过将情感分析结果集成到BI系统中，餐企可以更直观地洞察用户情感，快速做出数据驱动的决策。
这不仅提升了企业的运营效率，也帮助他们更好地满足消费者需求，提高用户满意度和忠诚度。
