Andere Kunden interessierten sich auch für
![Hotel Recommendation System using Hadoop and Sentiment Analysis]( "Hotel Recommendation System using Hadoop and Sentiment Analysis")
Hotel Recommendation System using Hadoop and Sentiment Analysis36,99 €![Sentiment analysis of X text with deep learning]( "Sentiment analysis of X text with deep learning")
Sentiment analysis of X text with deep learning39,99 €![A Practical Guide to Sentiment Analysis]( "A Practical Guide to Sentiment Analysis")
A Practical Guide to Sentiment Analysis110,99 €![Sentiment analysis of the natural language text automation]( "Sentiment analysis of the natural language text automation")
Sentiment analysis of the natural language text automation18,99 €![Feedback System Using Sentiment Analysis]( "Feedback System Using Sentiment Analysis")
Feedback System Using Sentiment Analysis39,99 €![Sentiment Analysis in the Bio-Medical Domain]( "Sentiment Analysis in the Bio-Medical Domain")
Sentiment Analysis in the Bio-Medical Domain110,99 €![Sentiment Analysis - From Theory to Practice]( "Sentiment Analysis - From Theory to Practice")
Sentiment Analysis - From Theory to Practice32,99 €
"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.