Analyse sentimentale basée sur les fonctionnalités pour la prédiction des avis mobiles

Pour y parvenir, le modèle d'apprentissage automatique doit accomplir diverses tâches telles que la segmentation des mots, les mots vides, l'extraction de caractéristiques et la recherche de produits similaires achetés par d'autres utilisateurs, etc. Dans ce projet, nous prenons l'exemple d'un système de recommandation de mobiles et nous avons essayé de catégoriser les critiques de mobiles comme positives ou négatives en utilisant l'analyse des sentiments et nous avons construit un système de recommandation en utilisant un filtrage collaboratif amélioré basé sur le sentiment des utilisateurs qui peut suggérer des mobiles qu'un utilisateur pourrait aimer sur la base de la liste des mobiles qu'il a déjà regardés.

Autorentext
Le Dr K Venkata Naganjaneyulu travaille actuellement comme professeur au département CSE du Lords Institute of Engineering and Technology (une institution autonome), affiliée à l'Université d'Osmania, Hyderabad, TS, Inde.Il a travaillé comme professeur au département de science des données du CSE au sein du groupe d'institutions STMary, Hyderabad, JNTU.

Klappentext

Pour y parvenir, le modèle d'apprentissage automatique doit accomplir diverses tâches telles que la segmentation des mots, les mots vides, l'extraction de caractéristiques et la recherche de produits similaires achetés par d'autres utilisateurs, etc. Dans ce projet, nous prenons l'exemple d'un système de recommandation de mobiles et nous avons essayé de catégoriser les critiques de mobiles comme positives ou négatives en utilisant l'analyse des sentiments et nous avons construit un système de recommandation en utilisant un filtrage collaboratif amélioré basé sur le sentiment des utilisateurs qui peut suggérer des mobiles qu'un utilisateur pourrait aimer sur la base de la liste des mobiles qu'il a déjà regardés.