Andere Kunden interessierten sich auch für
![Framework di clustering fuzzy automatico per la segmentazione delle immagini]( "Framework di clustering fuzzy automatico per la segmentazione delle immagini")
Framework di clustering fuzzy automatico per la segmentazione delle immagini29,99 €![Un approccio di data mining alla scoperta della conoscenza]( "Un approccio di data mining alla scoperta della conoscenza")
Un approccio di data mining alla scoperta della conoscenza29,99 €![Angewandtes maschinelles Lernen]( "Angewandtes maschinelles Lernen")
Angewandtes maschinelles Lernen79,90 €![Applied Machine Learning]( "Applied Machine Learning")
Applied Machine Learning53,99 €![Apprentissage automatique appliqué]( "Apprentissage automatique appliqué")
Apprentissage automatique appliqué51,99 €![Ein Data-Mining-Ansatz zur Wissensentdeckung]( "Ein Data-Mining-Ansatz zur Wissensentdeckung")
Ein Data-Mining-Ansatz zur Wissensentdeckung43,90 €![A Data Mining Approach to Knowledge Discovery]( "A Data Mining Approach to Knowledge Discovery")
A Data Mining Approach to Knowledge Discovery29,99 €
Questo studio presenta un modello ibrido che sfrutta i punti di forza del clustering K-means e delle macchine vettoriali di supporto (SVM) per classificare le recensioni di prodotti online. K-means viene utilizzato per raggruppare le recensioni in cluster, riducendo la complessità dei dati e migliorando l'estrazione delle caratteristiche. Successivamente, si ricorre a SVM per classificare i dati raggruppati in sentimenti positivi, negativi o neutri. L'approccio combinato migliora l'accuratezza della classificazione, riduce il costo computazionale e gestisce efficacemente grandi insiemi di dati. I risultati sperimentali dimostrano che il modello proposto supera i classificatori tradizionali indipendenti in termini di precisione, richiamo e accuratezza complessiva.