基于情感词典的希腊语食品评论分析：解决餐饮业问题的方法

本篇研究论文探讨了基于情感词典的食品和饮料行业评论分析，特别是在希腊语环境下。随着希腊餐饮市场的繁荣，消费者日益依赖在线数字平台进行订购，产生了大量的客户评价数据。传统上，对这些评论进行情感分析是一项挑战，因为需要有效地处理海量信息并理解消费者的主观意见。 研究的目标是开发一种创新的方法，利用现代希腊语言，对食品质量和客户服务等五个主要功能（食品质量、客户服务、公司形象、价格和食品数量）进行细致的情感分类。这种方法采用的是aspect-level（面向方面的）情感分析，它不仅能识别出评论中的关键信息，还能识别出网络上与餐饮体验相关的特定表达和短语。这涉及到创建一个专门针对希腊餐饮业的情感词典，该词典基于从2,000个客户评论中挖掘出的词语和短语进行构建。 研究团队，由Informatics Laboratory的Anastasios Liapakis、Theodore Tsiligiridis和Constantine Yialouris等人组成，他们从690家希腊首都的热门餐饮公司中随机选取了评论样本，这些评论主要来自通用电子平台。研究时间跨度为2018年的某一个月，通过这种方法，研究人员能够量化并解读顾客对于餐饮服务的满意度，从而帮助餐饮企业改进服务策略。 论文的贡献在于提供了一种实用工具，有助于解决希腊餐饮业在情感分析上的难题，提升对消费者反馈的理解，最终推动整个行业的服务质量提升。此外，研究结果也为其他语言环境下的情感词典建设提供了参考，特别是在处理非英语等低资源语言时，这种方法可能具有广泛的应用价值。这项工作发表在《国际自然语言计算杂志》(International Journal on Natural Language Computing)上，其DOI为10.5121/ijnlc.2020.920321。