Review Salience → PCA → K-means

Overview

把每篇評論對各項屬性的提及程度評為 0–7 分，依需求交付 Excel 矩陣、PCA 主成分分析或 K-means 分群。PCA 用來整理常一起被提及的屬性，分群則依這些提及模式整理評論。

三個階段可分別執行。只要評分就完成評分，只要分析既有矩陣就先檢查矩陣，不重做已完成的階段。

Input Contract

確認本次需要評分、Excel、PCA、分群中的哪些成果，並取得對應資料：

• 評分：各產品的完整評論，以及有順序的屬性目錄。
• PCA：已檢查的評論 × 屬性分數矩陣。
• 分群：PCA 產生的每篇評論座標，及可對照的評論識別資料。解讀群體時另需原始評分矩陣。

屬性目錄使用固定的 id 與 label，例如 01、耐用度。沒有目錄時先閱讀評論整理項目，評分開始後不增刪或重排。

每列保留 review_id、product、完整 review_text，評分欄依目錄排列為 s01、s02 等。沒有既有識別碼時，可按產品及原始順序建立穩定編號。每篇評論是一筆分析單位，不預設每篇都來自不同顧客。