Apprentissage automatique appliqué
Un modèle de classification efficace basé sur le regroupement pour les critiques de produits en ligne à l'aide de machines à vecteurs de support et de K-means A
Versandkostenfrei!
Versandfertig in 6-10 Tagen
51,99 €
inkl. MwSt.
PAYBACK Punkte
26 °P sammeln!
Cette étude présente un modèle hybride qui exploite les forces du regroupement K-means et des machines à vecteurs de support (SVM) pour classer les critiques de produits en ligne. K-means est utilisé pour regrouper les avis en grappes, ce qui réduit la complexité des données et améliore l'extraction des caractéristiques. Ensuite, les SVM sont utilisés pour classer les données regroupées en sentiments positifs, négatifs ou neutres. L'approche combinée améliore la précision de la classification, réduit les coûts de calcul et traite efficacement les grands ensembles de données...
Cette étude présente un modèle hybride qui exploite les forces du regroupement K-means et des machines à vecteurs de support (SVM) pour classer les critiques de produits en ligne. K-means est utilisé pour regrouper les avis en grappes, ce qui réduit la complexité des données et améliore l'extraction des caractéristiques. Ensuite, les SVM sont utilisés pour classer les données regroupées en sentiments positifs, négatifs ou neutres. L'approche combinée améliore la précision de la classification, réduit les coûts de calcul et traite efficacement les grands ensembles de données. Les résultats expérimentaux démontrent que le modèle proposé est plus performant que les classificateurs traditionnels autonomes en termes de précision, de rappel et de précision globale.
Andere Kunden interessierten sich für
