篇一：点评回复
1. 非常感谢您选择入住我们酒店，也谢谢您的点评，您的支持是我们工作的动力，期待您的下次入住
2 .非常感谢您选择百利沙西城酒店。也非常感谢您对我们的认可，这是对我
们最有力的鼓舞。酒店以
温馨舒适的服务品质，获得众多商旅客人的一致好评。我们会一如继往的为每一位宾客提供优质服务
3. 非常感谢您选择我们百利沙西城酒店。听到您对我们酒店的认可，是对我们的一种肯定，不足之处我们会加以改进。百利沙西城酒店期待您再次光临！
4. 尊敬的客人您好，非常感谢您对我们的认可，这是对我们最有力的鼓舞，我们会一如继往的为每一位宾客提供优质服务。百利沙西城酒店期待您再次光临！
5.尊敬的携程客人您好，感谢您对百利沙的点评，如为您带来不便敬请谅解，不足之处我们会加以改进，欢迎您继续使用携程预定，百利沙西城酒店期待您再次光临
6. 非常感谢您选择我们百利沙酒店,也很感谢您对酒店的肯定厚爱，我们会力争做的更好,衷心期待您的下次光临
7. 感谢您对百利沙的点评。酒店属于商务酒店，以环保、快捷、便利、高效为主题，如为您带来不便敬请谅解，百利沙西城酒店期待您再次光临！
8. 感谢您对百利沙的中肯，关于普通间，我们一定会加强通风，有您的支持我们将努力做的更好，期待您再次光临.
9. 非常感谢您选择百利沙西城酒店。也非常感谢您的认可，这是对我们最有力的鼓舞。酒店属于精品商务型，装修风格现代化，设施齐全，性价比高，酒店力争做到精益求精。酒店位于繁荣地段，周边有各类饭店、KTV、棋牌等一系列配套设施。我们以不懈的努力提高酒店的服务品质，以便更贴心的服务每一位客户。百利沙西城酒店期待您再次光临！
10. 非常感谢您对百利沙西城酒店的点评，酒店属于精品商务型，装修风格现代化，设施齐全，性价比高，酒店力争做到精益求精。中午因退房客户比较集中，偶尔会出现排队情况，酒店已在退房高峰期增加工作人员，如给您带来不便敬请谅解。百利沙西城酒店期待您再次光临！
11. 非常感谢您选择百利沙西城酒店。也非常感谢您的认可，这是对我们最有力的鼓舞。酒店属于精品商务型，装修风格现代化，设施齐全，性价比高，酒店力争做到精益求精。我们以不懈的努力提高酒店的服务品质，以便更贴心的服务每一位客户，如给您带来不便敬请谅解。百利沙西城酒店期待您再次光临！
12. 非常感谢您选择百利沙西城酒店。也非常感谢您的认可，这是对我们最有力的鼓舞。酒店提供上网，电话传真，打印复印，小型会议等业务，如有需要，
可随时联系工作人员。给您带来不便敬请谅解。百利沙西城酒店期待您再次光临！
13.非常感谢您选择我们酒店,也非常感谢您对我们酒店的认可,希望您一如既往的支持我们,百利沙西城酒店真诚期待您的再次光临！.
14非常感谢您选择百利沙西城酒店。也非常感谢您的认可，这是对我们最有力的鼓舞。酒店所有的床都加有保护垫，能提高客人的睡眠质量。我们会一如既往的为每一位宾客提供优质服务。百利沙西城酒店期待您再次光临！
15. 感谢您对我们提出的建议和意见，让我们不断进步。期待您的再次光临！
16. 非常感谢您选择入住我们酒店，并给予了肯定的评价。我们将坚持不懈，为宾客的满意体验而努力。诚挚地欢迎您的再次入住
17. 十分感谢您入住我们酒店，酒店的成长离不开新老顾客的支持和认可，能够受到您的喜爱我们很荣幸，我们将为宾客提供更好的服务而不懈努力。真诚期待与您的再次相见！
18. 非常感谢您的点评，您的认可是对我们最大的支持和鼓励，希望我们热情周到的服务给您带来美好的心情，我们将一如既往地用心服务好每一位顾客，期待您的再次入住！
19. 谢您的入住与点评。关于您反应的问题，我们会向相关部门做出反馈。对于您此次的入住体验，我们致以万分歉意。真诚邀请您的再次入住，您将看到我们的进步！
20. 感谢您的点评，我们将不懈努力，为来宾带来更加舒适的体验，希望我们的优质服务能够令来宾拥有与众不同的旅途生活。
21.感谢您的满分点评，您的厚爱是我们不断提升服务的动力，我们将不懈努力，为宾客带来更加舒适的体验，希望百利沙酒店能成为您来杭州商务旅游的首选之处。衷心期待您再次入住！
22. 感谢您的满分点评，您的厚爱是我们不断提升服务的动力。欢迎您再次回到美丽的杭州，光临温馨舒适的百利沙酒店，我们期待与您的下次相约！
23. 尊敬的客人您好！感谢您入住百利沙西城店！感谢您对酒店的认可，我们也真诚希望您能提出宝贵的意见和建议，我们加以改进，为您提供更优质的服务！真诚期待您的再次光临！
24. 尊敬的客人，您好！感谢您的入住以及对我酒店的评论，顾客的满意一直是我们不变的追求，您的意见和建议对我们来说十分宝贵。 不管您在入住期间发现什么令您不满意的问题，您都可以用房间电话拨打8801或8818到我们的前台，我们会马上去给您解决问题的。我们也力争在服务上做到“热情、贴心、灵
活、可靠”，让客人有“宾至如归”的美好体验。 为您带来的不便我们深表歉意，期待您的再次入住。祝您生活愉快，工作顺利！
25.
篇二：对携程网的评价
对携程网的评价
随着中国经济的持续增长,居民生活水平的提高,越来越多的人们开始选择旅游产品和服务。旅游业也已经成为全球经济中发展势头最强劲和规模最大的产业之一。旅游产业对于一个城市经济的拉动性、社会就业的带动性、以及对文化和环境的促进作用十分重要。近年来随着中国居民可支配收入的增长和消费观念的改变，中国旅游行业整体呈现蓬勃发展的趋势。
据百度搜索指数显示，2011年五一旅游搜索指数大幅提升，4月1日－4月25日，旅游搜索日均检索量高达405万次，从4月30日左右搜索指数就已经突破到700万次，达到了新的高峰。通过对旅游相关检索词分析，2011年旅游关注热点中，“旅游景点”排名第一，搜索占比高达53.53％；其次是“目的地＋旅游”，搜索占比达11.43％；排名第三的是旅游类网站，此类垂直网站的快速发展，为用户出行提供了一个很好的查询预订及分享交流平台。
携程旅行网，创立于1999年，定位于向会员提供全套旅行服务产品，其运作模式曾被称为是互联网和传统旅游无缝结合的典范。从携程网的访客收入统计图中可以看出，携程网的客户由商务旅行者和高收入人群构成。 携程旅行网的度假超市提供近千条度假线路，覆盖海内外众多目的地，并且提供从北京、上海、广州、深圳、杭州、成都六地出发，是中国领先的度假旅行服务网络，每月为万余人次提供度假服务。携程旅行网的VIP会员还可在全国主要商旅城市的近三千家特惠商户
享受低至六折的消费优惠。携程旅行网除了在自身网站上提供丰富的旅游资讯外，还委托出版了旅游丛书《携程走中国》，并委托发行旅游月刊杂志《携程自由行》。
携程网的特点
携程旅行网利用高效的因特网技术和先进电子资讯手段，为会员提供快捷灵活、优质优惠、体贴周到又充满个性化的旅行服务。 实现旅行产品的网上一站式服务，业务范围涵盖酒店、机票、旅行线路的预订及商旅使用信息的查询检索等。
携程占据中国在线旅游50%以上市场份额，是绝
对的市场领导者。携程网可以预订机票、火车票、酒
店和购买旅游服务。旅游“一条龙服务”，方便了客
户解决旅游“食住行，游购娱”等问题。它主要模式
是以批发价购入旅游产品，然后分销出去。携程网有
多种语言让客户选择，方便了来自不同地区、国家的
客户，也开拓了许多国内外市场。
同程游网涉及内容面广,旅游点更细致,以国内旅游为主.网站可切换出发城市,为出游作了详细的导向,充分地为出游提供了便利。
携程网还有一个特别的产品服务。（
1）旅游度假产品：携程度假提供数百条度假产品线路，包括“三亚”、“云南”、“港澳”、
"泰国"、“欧洲”“名山”、“都市”、“自驾游”等20余个度假专卖店，每个“专卖店”内拥有不同产品组合线路多条。客人可选择由北京、上海、广州、深圳、杭州、成都、南京、青岛、厦门、武汉、沈阳十一地出发。（2）酒店预订服务：携程旅行网拥有中国领先的酒店预订服务中心，为会员提供即时预订服务，合作酒店超过32000家，遍布全球138个国家和地区的5900余个城市，有2000余家酒店保留房。（3）高铁代购服务：携程于2011年7月5日推出高铁频道，为消费者提供高铁和动车的预订服务，“暂只提供上海市、江苏省、浙江省、安徽省配送服务。暂提供7天内的高铁及动车票的代购服务。”
携程网的功能
携程网为客户提供全方位的商务及休闲旅行服务，包括酒店预订、机票预订、休闲度假、商旅管理、特惠商户和旅游资讯，其网站的功能结构如图下：
携程网的优缺点
携程网是将高质量的酒店、机票代理机构、旅行社提供的旅游服务信息汇集于互联网平台供用户查阅的互联网信息服务提供商，同时帮助用户通过互联网与上述酒店、机票代理机构、旅行社联系并预订相关旅游服务项目。并且不断的推出各种打折活动。
携程网的服务宣言：我们一应俱全――您能感受专业，我们专注全面旅行服务。我们集酒店预订、机票预订、度假预订、商旅管理、特约商户、旅游资讯服务于一体，为您打造全方位的旅行方案，同时提供丰富多彩的积分兑换。我们一丝不苟――您请安心托付，我们的服务准确率已达国际领先水平。依托强大的技术能力，我们建立了先进的服务系统，近4000位专业人员24小时为您提供无微不至的客户服务。并以国际先进的六西格玛标准控制服务流程，确保您的旅程高枕无忧。我们一诺千金――您可全然信赖，我们言出必行。无论起因是否与我们有关，我们都将竭力在第一时间为您妥善安排，我们会履行所有对您的责任及承诺，绝不推诿。包括酒店低价赔付承诺、1小时飞人通道、自然灾害旅游体验保障金、海外团队游标准。
但携程网也提及到它的服务说明：对用户预订的旅游服务项目中出现的瑕疵等问题，携程旅行网并不承担责任，但携程旅行网将尽力协助用户与相关旅游服务项目提供商进行协商，不能协商解决的，用户可以向消费者协会投诉或通过法律途径解决。携程旅行网不担保网络服务一定能满足用户的要求，也不担保网络服务不会中断，对网络服务的及时性、安全性、准确性也都不做担保。
携程旅行网不保证为向用户提供便利而设置的外部链接的准确性和完整性，同时，对于该等外部链接指向的不由携程旅行网实际控制的任何网页上的内容，携程旅行网不承担任何责任。
对于因不可抗力或携程旅行网不能控制的原因造成的网络服务中断或其他缺陷，携程旅行网不承担任何责任，但将尽力减少因此而给用户造成的损失和影响。
在网上客户对携程网大多数都是不满的。案例一，游客通过携程网在丽江订的房，电话说好预订三天，但是如果发生意外要提前退房是不会加收房费。游客住了两天，由于时间关系得赶回家就去前台退房。但前台说即使不住也得把第三天房费交了。案例二，在携程网订机票，说好了24小时内确认，结果确认的时候说没票了，只有高价位的票。然后说要改期，说只能改同等舱位以上的，客户就认为为什么能改同等舱位以上，而不能改同等舱位以下，结果改签还不如直接退票然后再重新买。这个客户还说：这样的公司以后我是不会再在那里消费的，这样的公司也没什么发展前途，只认钱，不顾消费者的权益，不管消费者的意愿。
国家还是没有约束好携程网之类的旅游网页。携程网也没有做好质量管理，没有与各行业了解所有的信息。作为中间方，应该调查好酒店，旅行社，交通等的资料，帮助游客解决旅游上的问题。这样，携程网的信誉度才会高，客人的满意度也会提高，企业的利润也会慢慢增长起来。
篇三：手把手教你分析携程网评论数据
手把手教你分析携程网评论数据
中文文本挖掘包tm、tmcn、Rwordseg、Rweibo的安装 http://blog.csdn.net/andy_hey/article/details/25929019
文本分析的应用越来越广泛，这不，我的工作也开始涉及了文本分析，今天就讲讲关于评论数据的那点事。
首先评论数据如何获取？
一般通过网络爬虫的方式抓取各大网站的评论数据，本次分析数据就来源于携程网某酒店的评论，在同事的协助下，成功爬取该酒店的评论数据，于是我开始使用这些数据做相关的分析。
本次文本分析中需要使用如下3个包：
1）Rwordseg包用于分词
2）tmcn用于词频统计
3）wordcloud用于绘制文字云
library(Rwordseg)
library(tmcn)
library(wordcloud)
#读取数据
Evaluation <- read.csv(file = file.choose(), encoding = 'UFT-8')
#剔除评论数据中含有的英文和数字
text <- gsub('[a-zA-Z0-9]','',Evaluation$Evaluation)
#分词
segword <- segmentCN(strwords = text)
#查看第一条评论的分词效果
segword[1]
从上图的结果中发现，经分割后的词中有许多无意义的停止词，如“是”，“只”，“了”，“也”等，这些词是需要剔除的。关于停止词，可以到网上搜索获取。
#读取停止词
mystopwords <- read.table(file = file.choose(), stringsAsFactors = FALSE) head(mystopwords)
class(mystopwords)
由于读入的数据为数据框格式，需要将其转换为向量格式，即：
mystopwords <- as.vector(mystopwords[,1])
head(mystopwords)
现在有了停止词词库，接下来需要将分割后的词与停止词词库进行比对，将含有停止词的词进行剔除。下面是自定义删除停止词的函数：
removewords <- function(target_words,stop_words){
target_words = target_words[target_words%in%stop_words==FALSE]
return(target_words)
}
#将该函数应用到已分割的词中
segword2 <- sapply(X = segword, FUN = removewords, mystopwords)
#查看已删除后的分词结果
segword2[[1]]
从上图中显示，一些无意义的停止词已经被剔除，下面就使用比较干净的词绘制文字云，以大致查看分词效果。
word_freq <- getWordFreq(string = unlist(segword2))
opar <- par(no.readonly = TRUE)
par(bg = 'black')
#绘制出现频率最高的前50个词
wordcloud(words = word_freq$Word, freq = word_freq$Freq, max.words = 50, random.color = TRUE, colors = rainbow(n = 7))
par(opar)
发现“不错”这个词非常明显，但到底是什么不错呢？下面来看一看都是哪些评论包含不错这样的字眼。
#根据频繁出现词汇，还原初始评价
index <- NULL
for(i in 1:length(segword)){
if (any(segword[[i]] %in% '不错') == TRUE)
index = unique(c(index, i))
}
text[index]
含有“不错”字眼的评论有658条，这就需要人为干涉，将这些“不错”进行简化并组成词典。
来源：网络整理 免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。