Angewandtes maschinelles Lernen

In dieser Studie wird ein hybrides Modell vorgestellt, das die Stärken von K-means Clustering und Support Vector Machines (SVM) zur Klassifizierung von Online-Produktbewertungen nutzt. K-means wird verwendet, um Bewertungen in Clustern zu gruppieren, wodurch die Datenkomplexität reduziert und die Merkmalsextraktion verbessert wird. Anschließend wird SVM eingesetzt, um die geclusterten Daten in positive, negative oder neutrale Bewertungen zu klassifizieren. Der kombinierte Ansatz verbessert die Klassifizierungsgenauigkeit, reduziert die Rechenkosten und bewältigt effektiv große Datensätze. Die experimentellen Ergebnisse zeigen, dass das vorgeschlagene Modell herkömmliche eigenständige Klassifizierungsverfahren in Bezug auf Präzision, Wiedererkennung und Gesamtgenauigkeit übertrifft.

Autorentext

Dr. P. Vijayaragavan ist ein angesehener Akademiker mit mehr als 17 Jahren Erfahrung in der Lehre von Undergraduate- und Postgraduate-Ingenieurkursen. Derzeit ist er Professor in der Abteilung für Next Gen Computing, Saveetha Institute of Medical and Technical Science (SIMATS), Chennai, TN, Indien.