Hotel-Empfehlungssystem mit Hadoop und Sentiment-Analyse

"Sentiment Analysis Based Keyword Aware Service Recommendation for Big Data" Traditionelle Empfehlungssysteme sind nicht in der Lage, dem Endbenutzer personalisierte Empfehlungen zu geben. Es mangelt ihnen an Skalierbarkeit und Effizienz. Die Bewertungsliste und die Empfehlung sind fast identisch. Daher wird in diesem Beitrag ein Hotelempfehlungssystem mit Hadoop-Framework vorgeschlagen. Hadoop wird hauptsächlich in Bereichen eingesetzt, in denen große Datenmengen anfallen. Diese großen Daten sind schwer zu erfassen und zu analysieren. Um dieses Problem anzugehen, wird eine auf Bewertungen basierende Methode zur Empfehlung von Dienstleistungen vorgeschlagen. Diese Methode basiert auf einem benutzerbasierten Algorithmus zur kollaborativen Filterung. Benutzer mit ähnlichen Vorlieben werden mit Hilfe der von ihnen eingegebenen Schlüsselwörter erfasst. Dann wird eine Stimmungsanalyse auf die Bewertungen passiver Nutzer angewandt und eine Punktzahl berechnet. Die Top-k-Dienste werden dem Endbenutzer empfohlen. Die experimentelle Analyse zeigt, dass diese Methode effizienter arbeitet als herkömmliche Methoden.

Autorentext

Khushboo S. Estudiante EDUCACIÓN Estudiante del Máster de Tecnología en Ciencias de la Computación e Ingeniería en la Universidad de Amravati, agosto 2014-2016. Título de la tesis: "Hotel Recommendation System using Hadoop and MapReduce" Bachelor of Technology (June 2013) in Information Technology, SRTMU university SGGS I E and T nanded, India.

Klappentext

"Sentiment Analysis Based Keyword Aware Service Recommendation for Big Data" Traditionelle Empfehlungssysteme sind nicht in der Lage, dem Endbenutzer personalisierte Empfehlungen zu geben. Es mangelt ihnen an Skalierbarkeit und Effizienz. Die Bewertungsliste und die Empfehlung sind fast identisch. Daher wird in diesem Beitrag ein Hotelempfehlungssystem mit Hadoop-Framework vorgeschlagen. Hadoop wird hauptsächlich in Bereichen eingesetzt, in denen große Datenmengen anfallen. Diese großen Daten sind schwer zu erfassen und zu analysieren. Um dieses Problem anzugehen, wird eine auf Bewertungen basierende Methode zur Empfehlung von Dienstleistungen vorgeschlagen. Diese Methode basiert auf einem benutzerbasierten Algorithmus zur kollaborativen Filterung. Benutzer mit ähnlichen Vorlieben werden mit Hilfe der von ihnen eingegebenen Schlüsselwörter erfasst. Dann wird eine Stimmungsanalyse auf die Bewertungen passiver Nutzer angewandt und eine Punktzahl berechnet. Die Top-k-Dienste werden dem Endbenutzer empfohlen. Die experimentelle Analyse zeigt, dass diese Methode effizienter arbeitet als herkömmliche Methoden.