initial commit

business.py

+
+
+
+class Business(object):
+	"""
+	用来表示跟business相关的变量和函数
+	"""
+
+	SENTIMENT_MODEL = SentimentModel() # 把已经训练好的模型存放在文件里，并导入进来
+	
+
+	def __init__(self, review_df):
+		# 初始化变量以及函数
+
+
+	def aspect_based_summary(self):
+		"""
+		返回一个business的summary. 针对于每一个aspect计算出它的正面负面情感以及TOP reviews. 
+		具体细节请看给定的文档。 
+		"""
+
+		
+
+		return {'business_id': 
+				'business_name': 
+				'business_rating': 
+				'aspect_summary': 	
+				}
+
+
+	def extract_aspects(self):
+		"""
+		从一个business的review中抽取aspects
+		"""
+
+
+

data/README.md

+把数据解压到此文件夹里
\ No newline at end of file

main.py

+def get_review_summary_for_business(biz_id):
+	# 获取每一个business的评论总结
+	
+
+def main(): 
+
+       	bus_ids = []  # 指定几个business ids
+
+	for bus_id in bus_ids:
+		print ("Working on biz_id %s" % bus_id)
+		start = time.time()
+
+		summary = get_review_summary_for_business(bus_id)
+		
+		# format and print....
+
+if __name__ == "__main__":
+	main()
+
+

model/README.md

+这里存放已经训练好的模型（情感分析模型或者其他模型）。模型方面请提前训练好，然后serialize到一个文件里，运行的时候直接使用即可以。 

model_training.py

+
+# 此文件包含模型的训练。 给定数据集，训练出情感分类模型，并把模型文件存放在 model文件夹里。 
+
+

project2 @ 04600864

+Subproject commit 04600864b6ccdfe409baaf26c0daea95b3bb45c1

requirements.txt

+# dependency and version

sentence.py

+
+
+
+class Sentence(object):
+	
+	WORD_TOKENIZER = MyPottsTokenizer(preserve_case=False)
+	
+	LEMMATIZER = WordNetLemmatizer()
+
+	# 针对于每一句话抽取aspects
+	ASP_EXTRACTOR = 
+
+	def __init__(self):
+		
+
+	def word_tokenize(self):
+	
+
+	def pos_tag(self):
+		
+
+	def lemmatize(self):
+		
+
+	def contain_aspect(self):
+		
\ No newline at end of file

zhihu_link.txt

+# 请填写知乎的链接