Ulteriori informazioni
Il rapido aumento della generazione di contenuti testuali da fonti come WhatsApp, Instagram e Amazon produce quotidianamente enormi quantità di dati. L'interpretazione di questi dati può aiutare gli imprenditori a comprendere la percezione pubblica dei loro prodotti o servizi e a prendere decisioni informate. A causa del grande volume di testo, l'elaborazione del linguaggio naturale (NLP), un aspetto cruciale dell'analisi del sentimento (SA), è essenziale per l'interpretazione dei contenuti. Questa ricerca si concentra sullo sviluppo di un modello di riassunto delle recensioni dei consumatori (CRS) che utilizza tecniche NLP e la memoria a breve termine lunga (LSTM) per riassumere i dati e fornire alle aziende informazioni significative sul comportamento e sulle preferenze dei consumatori. L'efficacia del modello CRS si basa sul modello SA e consiste in due fasi: SADL e CRS. La fase SADL comprende la pre-elaborazione delle recensioni, l'estrazione delle caratteristiche e la classificazione del sentiment, mentre la fase CRS esegue una sintesi automatica basata sui risultati SADL.
Info autore
La Dra. Gagandeep Kaur obtuvo su doctorado (CSE) en 2023 y su máster (CSE) en 2011. Ha trabajado en investigación y docencia durante más de 12 años. En la actualidad trabaja como Assist. Prof. en CSE Dept. en Symbiosis Institute of Technology, Nagpur. Ha publicado más de 20 artículos de investigación en revistas y conferencias internacionales.
