酒店评论属性与关键词相似度计算和情感分析模型推荐

酒店评论中属性和关键词之间的相似度计算，可以使用预训练的词向量模型，如Word2Vec、GloVe等。这些模型已经在大规模语料库上训练过，可以将单词映射到高维空间中的向量表示，然后使用余弦相似度等方法计算单词之间的相似度。

对于情感分析，可以使用已经训练好的深度学习模型，如BERT、XLNet、RoBERTa等。这些模型已经在大规模的语料库上进行了有监督的训练，可以对文本进行情感分类，输出情感得分在'0,1'之间的结果。这些模型在自然语言处理领域取得了很好的效果，可以直接使用或者在自己的数据集上微调。

使用Python实现相似度计算的示例代码：

import numpy as np
from gensim.models import Word2Vec

# 加载预训练的Word2Vec模型
model = Word2Vec.load('path/to/word2vec/model')

# 计算两个单词之间的相似度
similarity = model.wv.similarity('word1', 'word2')

使用Python实现情感分析的示例代码：

from transformers import pipeline

# 加载已经训练好的情感分析模型
nlp = pipeline('sentiment-analysis')

# 对包含中英文的文本进行短句，然后对每句话进行情感分析
text = 'This is a great hotel. The staff is friendly and the rooms are clean.'
sentences = text.split('.')
sentiment_scores = []
for sentence in sentences:
    result = nlp(sentence)
    sentiment_scores.append(result[0]['score'])

以上代码中，使用Hugging Face提供的transformers库加载已经训练好的情感分析模型，并使用该模型对文本进行情感分析。将文本按照句号拆分成多个句子，对每个句子进行情感分析，并将情感得分保存在一个列表中。