在线评论中包含的信息可以帮助消费者选择更清洁的餐厅这是一个非常有力的发现。因此餐厅在决定是否进行清理时应考虑到这种影响我们发现一些证据也证实了这一点法罗纳托说。外出就餐的机器学习监管卫生检查并不是什么新鲜事大多数城市都有分级计划来评估餐馆的卫生习惯并且这些信息是公开提供给精明的食客的。是一种主流的用户友好的方式来聚合这些信息。因此教授们设计了一种算法来识别上的评论文本如何与监管检查相关联。
他们发现食品处理违规行
为是通过生病和恶心等词语来预测的而害虫的存在是通过蟑螂和肮脏等词语来预测的。他们写道语义联系让我们确信阅读这些评论 以色列电话号码表 的消费者实际上可以推断出卫生信息。企业。教授们的机器学习模型帮助他们识别了最负面的卫生评论以便比较餐厅在提交此类评论前后两周内售完的概率。
他们发现在受到差评后餐
厅在上售空的可能性会降低到个百分点即售空概率降低到。我希望监管机构开始看到所有这些数字数据有助于他们做得更好。他们还比 通辽电话号码表 较了网站上审查的各餐厅的卫生合规情况。分析发现知名度较高的餐厅往往在评论中提到的卫生问题上违规较少这表明餐厅在清理时确实可能会考虑到评论。
