Andere Kunden interessierten sich auch für
![Sistema di feedback utilizzando l'analisi del sentimento]( "Sistema di feedback utilizzando l'analisi del sentimento")
Sistema di feedback utilizzando l'analisi del sentimento39,99 €![Sistema di monitoraggio delle presenze dei dipendenti utilizzando il riconoscimento delle impronte digitali]( "Sistema di monitoraggio delle presenze dei dipendenti utilizzando il riconoscimento delle impronte digitali")
Sistema di monitoraggio delle presenze dei dipendenti utilizzando il riconoscimento delle impronte digitali36,99 €![Sistema di raccomandazione ibrido per dati spaziotemporali]( "Sistema di raccomandazione ibrido per dati spaziotemporali")
Sistema di raccomandazione ibrido per dati spaziotemporali26,99 €![Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico]( "Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico")
Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico30,99 €![Un approccio combinatorio per un sistema di raccomandazione di film]( "Un approccio combinatorio per un sistema di raccomandazione di film")
Un approccio combinatorio per un sistema di raccomandazione di film36,99 €![Nuovo approccio ibrido ponderato nel metodo di raccomandazione]( "Nuovo approccio ibrido ponderato nel metodo di raccomandazione")
Nuovo approccio ibrido ponderato nel metodo di raccomandazione23,99 €![Sito web di e-commerce con sistema di raccomandazione integrato]( "Sito web di e-commerce con sistema di raccomandazione integrato")
Sito web di e-commerce con sistema di raccomandazione integrato29,99 €
"Sentiment Analysis Based Keyword Aware Service Recommendation for Big Data" I sistemi di raccomandazione tradizionali mancano di dare raccomandazioni personalizzate all'utente finale. Mancano di fornire scalabilità ed efficienza. La lista di valutazione e la raccomandazione fornita erano quasi le stesse. Quindi, in questo documento viene proposto un sistema di raccomandazione di hotel utilizzando il framework Hadoop. Hadoop lavora principalmente nell'area in cui appaiono grandi dati. Questi grandi dati sono difficili da catturare e analizzare. Per affrontare questo problema viene proposto un metodo di raccomandazione di servizi basato su recensioni. Questo metodo si basa su un algoritmo di filtraggio collaborativo basato sull'utente. Gli utenti che hanno gusti simili sono catturati con l'aiuto delle parole chiave che inseriscono. Poi viene applicata la Sentiment Analysis sulle recensioni degli utenti passivi e viene calcolato un punteggio. I servizi top-k sono raccomandati all'utente finale. L'analisi sperimentale mostra che questo metodo funziona in modo più efficiente dei metodi tradizionali disponibili.