Read more
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.
About the author
Dr. P. Vijayaragavan ist ein angesehener Akademiker mit mehr als 17 Jahren Erfahrung in der Lehre von Undergraduate- und Postgraduate-Ingenieurkursen. Derzeit ist er Professor in der Abteilung für Next Gen Computing, Saveetha Institute of Medical and Technical Science (SIMATS), Chennai, TN, Indien.
