Yelp Reviews 指的是发布在 Yelp 上的用户生成评论和评分的集合，Yelp 是一个众包评论平台，由前 PayPal 员工 Russel Simmons 和 Jeremy Stoppelman 于 2004 年创立。该数据集已成为自然语言处理和机器学习中用于情感分析、推荐系统和文本分类等任务的标准基准。研究人员和从业者使用 Yelp Reviews 来开发和评估能够从非结构化文本中推断用户情感、预测评分以及理解消费者行为的算法。
Yelp 数据集包含数百万条评论，每条评论都附有星级评分（1 到 5 星）、商家元数据和用户信息。截至 2024 年 12 月 31 日，Yelp 上已累计贡献约 3.08 亿条评论，该公司报告称 2024 年桌面端和移动端的独立访客超过 7600 万。该数据集通常以子集形式发布供学术使用，其中 Yelp 数据集挑战赛为研究提供了大量样本。这些评论涵盖广泛的商家类别，包括餐厅、购物和服务，使其成为研究领域特定语言的丰富来源。
历史背景
Yelp 于 2004 年在商业孵化器 MRL Ventures 成立，初始资金来自 PayPal 联合创始人 Max Levchin。该平台最初以基于电子邮件的推荐网络起步，但在使用数据显示用户更倾向于撰写主动评论后，转向了用户撰写的评论。到 2005 年，重新设计的网站获得了人气，到 2006 年，月访问量达到 100 万。Yelp 从 2009 年开始国际扩张，在英国、加拿大、法国和其他国家建立了网站。该公司于 2012 年 3 月上市，并于 2014 年实现盈利。这一增长导致了评论的大量积累，构成了研究中使用的数据集的基础。
数据集特征
Yelp Reviews 数据集以其规模和多样性而著称。它包含长度、情感和写作风格各异的评论，反映了真实世界的用户行为。星级评分为监督学习任务提供了数值目标，而评论文本则提供了丰富的语言特征。该数据集还包括位置、类别和营业时间等商家属性，从而支持多模态分析。例如，研究人员可以研究评论情感如何因商家类型或地理区域而变化。该数据集通常用于训练基于方面的情感分析模型，其目标是识别对食品质量或服务等特定方面的情感。
在机器学习中的应用
在Machine learning和Artificial intelligence中，Yelp Reviews 是情感分析和文本分类的常见基准。诸如神经网络和变换器之类的模型在该数据集上训练，以根据评论文本预测评分。例如，一个Large language model可能会在 Yelp Reviews 上进行微调，以生成回复或分析客户反馈。该数据集还用于推荐系统，其中算法根据过去的评论预测用户偏好。像Amazon Web Services和Google Cloud这样的公司提供可以处理此类数据集的机器学习服务，而Stanford AI Lab和MIT CSAIL等机构的研究人员已发表了使用 Yelp 数据的研究。
挑战与伦理考量
Yelp Reviews 数据集并非没有挑战。虚假评论，也称为“草皮营销”，一直是一个持续存在的问题，商家或个人提交虚假的正面或负面评论以操纵评分。Yelp 已实施算法来检测和过滤此类评论，但数据集中可能仍包含噪声。研究人员在训练模型时必须考虑到这一点，因为有偏见或欺诈性的数据可能导致不准确的预测。此外，该数据集引发了隐私问题，因为评论可能包含有关用户或商家的个人信息。数据集的伦理使用要求匿名化并遵守数据保护法规。该公司因其评论过滤做法而受到批评，一些人认为这对不投放广告的商家不公平。
未来方向
截至 2020 年代中期，Yelp Reviews 仍然是推进Deep learning和Generative AI研究的宝贵资源。随着大型语言模型的兴起，该数据集被用于评估模型在真实世界文本上的性能。未来的工作可能侧重于改进对细微表达、讽刺和文化差异的情感分析。多模态数据（如图像和元数据）的整合也可能增强模型能力。此外，该数据集的规模使其适合在AWS Trainium或Cerebras等分布式系统上训练模型，这些系统专为大规模计算而设计。随着 Yelp 的持续增长，该数据集可能会扩大，为研究和应用提供更多机会。
参见
- Machine learning
- sentiment-analysis
- Natural language processing
- yelp