Sentiment Polarity Analysis of Bangla Food Reviews Using Machine and Deep Learning Algorithms

互联网已成为现代人不可或缺的工具。人类和其他生物一样，有着生存的基本需求，包括获得大气氧气、可饮用的水、有保护性的住所和食物。世界的不断变化使我们的生存变得不那么复杂。大部分人使用在线订餐服务将餐点送到家中。虽然有许多订餐方式，但顾客有时会对所收到的食物感到失望。我们的努力是建立一个模型，可以确定食物的好坏。我们收集了1484条来自知名订餐平台（包括Food Panda和HungryNaki）的在线评论数据集。利用收集到的数据，对各种深度学习和机器学习技术进行了严格评估，以确定最准确的预测食物质量的方法。在评估的所有算法中，逻辑回归是最准确的，达到了惊人的90.91%的准确率。这篇评论提供了有价值的见解，将指导用户决定是否订购食物。

本论文旨在建立一个模型，用于判断外卖食品的好坏，解决顾客在使用在线订餐服务时遇到的食品质量问题。

通过收集1484条在线订餐平台的评论数据，使用深度学习和机器学习技术对各种算法进行了严格评估，最终确定逻辑回归算法是最准确的，可以达到90.91%的准确率。

本论文的亮点在于使用大量真实数据进行实验，提出了解决外卖食品质量问题的新思路。此外，论文还提供了有价值的洞见，可以指导用户决定是否订购该食品。

最近的相关研究主要集中在使用自然语言处理技术对评论进行情感分析，如《基于情感分析的在线餐厅评论挖掘》。