vijayaragavan (11 Ergebnisse)

Zustand: New. pp. 255.

Zustand: New. pp. xxviii + 398 Figures, Illus., Maps.

Zustand: New. pp. 572.

Zustand: New. pp. 576.

Zustand: New. In.

Taschenbuch. Zustand: Neu. Neuware -This study presents a hybrid model that leverages the strengths of K-means clustering and Support Vector Machines (SVM) for classifying online product reviews. K-means is used to group reviews into clusters, reducing data complexity and improving feature extraction. Subsequently, SVM is employed to classify the clustered data into positive, negative, or neutral sentiments. The combined approach enhances classification accuracy, reduces computational cost, and effectively handles large datasets. Experimental results demonstrate that the proposed model outperforms traditional standalone classifiers in terms of precision, recall, and overall accuracy.Books on Demand GmbH, Überseering 33, 22297 Hamburg 172 pp. Englisch.

Taschenbuch. Zustand: Neu. Neuware -Cette étude présente un modèle hybride qui exploite les forces du regroupement K-means et des machines à vecteurs de support (SVM) pour classer les critiques de produits en ligne. K-means est utilisé pour regrouper les avis en grappes, ce qui réduit la complexité des données et améliore l'extraction des caractéristiques. Ensuite, les SVM sont utilisés pour classer les données regroupées en sentiments positifs, négatifs ou neutres. L'approche combinée améliore la précision de la classification, réduit les coûts de calcul et traite efficacement les grands ensembles de données. Les résultats expérimentaux démontrent que le modèle proposé est plus performant que les classificateurs traditionnels autonomes en termes de précision, de rappel et de précision globale.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 208 pp. Französisch.

Taschenbuch. Zustand: Neu. Neuware -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.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 200 pp. Italienisch.

Taschenbuch. Zustand: Neu. Neuware -In dieser Studie wird ein hybrides Modell vorgestellt, das die Stärken von K-means Clustering und Support Vector Machines (SVM) zur Klassifizierung von Online-Produktbewertungen nutzt. K-means wird verwendet, um Bewertungen in Clustern zu gruppieren, wodurch die Datenkomplexität reduziert und die Merkmalsextraktion verbessert wird. Anschließend wird SVM eingesetzt, um die geclusterten Daten in positive, negative oder neutrale Bewertungen zu klassifizieren. Der kombinierte Ansatz verbessert die Klassifizierungsgenauigkeit, reduziert die Rechenkosten und bewältigt effektiv große Datensätze. Die experimentellen Ergebnisse zeigen, dass das vorgeschlagene Modell herkömmliche eigenständige Klassifizierungsverfahren in Bezug auf Präzision, Wiedererkennung und Gesamtgenauigkeit übertrifft.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 208 pp. Deutsch.

Taschenbuch. Zustand: Neu. Neuware -Niniejsze badanie przedstawia model hybrydowy, który wykorzystuje mocne strony klasteryzacji K-¿rednich i maszyn wektorów nönych (SVM) do klasyfikacji recenzji produktów online. K-¿rednich s¿u¿y do grupowania recenzji w klastry, zmniejszaj¿c z¿öonö¿ danych i poprawiaj¿c ekstrakcj¿ cech. Nast¿pnie SVM jest wykorzystywana do klasyfikowania danych w klastrach na pozytywne, negatywne lub neutralne nastroje. Pö¿czone podej¿cie zwi¿ksza dok¿adnö¿ klasyfikacji, zmniejsza koszty obliczeniowe i skutecznie obs¿uguje du¿e zbiory danych. Wyniki eksperymentalne pokazuj¿, ¿e proponowany model przewy¿sza tradycyjne samodzielne klasyfikatory pod wzgl¿dem precyzji, przywöania i ogólnej dok¿adnöci.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 200 pp. Polnisch.

Taschenbuch. Zustand: Neu. Angewandtes maschinelles Lernen | Ein effizientes Clustering-basiertes Klassifizierungsmodell für Online-Produktbewertungen unter Verwendung von Support-Vektor-Maschinen und K-means A | Vijayaragavan P | Taschenbuch | 208 S. | Deutsch | 2025 | Verlag Unser Wissen | EAN 9786208796723 | Verantwortliche Person für die EU: BoD - Books on Demand, In de Tarpen 42, 22848 Norderstedt, info[at]bod[dot]de | Anbieter: preigu.