9783319797755 - prominent feature extraction for sentiment analysis (socio-affective computing, band 2) von agarwal, basant; mittal, namita (5 Ergebnisse)
Sprache: Englisch
Verlag: Springer 2019
Serie: Socio-Affective Computing, Buch 2 von 10. Buch 2 von 10 - Socio-Affective Computing
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 113,90
EUR 13,88 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
Sprache: Englisch
Verlag: Springer International Publishing 2019
Serie: Socio-Affective Computing, Buch 2 von 10. Buch 2 von 10 - Socio-Affective Computing
- Softcover
Anbieter: moluna, Greven, , Deutschlandmoluna
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 92,27
EUR 48,99 VersandVersand von Deutschland nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New.
Sprache: Englisch
Verlag: Springer Verlag 2017
Serie: Socio-Affective Computing, Buch 2 von 10. Buch 2 von 10 - Socio-Affective Computing
- Softcover
Anbieter: Revaluation Books, Exeter, , Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 151,17
EUR 11,59 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Paperback. Zustand: Brand New. reprint edition. 124 pages. 9.25x6.10x0.28 inches. In Stock.
Weitere BilderSprache: Englisch
Verlag: Springer 2019
Serie: Socio-Affective Computing, Buch 2 von 10. Buch 2 von 10 - Socio-Affective Computing
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 95,15
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Prominent Feature Extraction for Sentiment Analysis | Basant Agarwal (u. a.) | Taschenbuch | Socio-Affective Computing | xix | Englisch | 2019 | Springer | EAN 9783319797755 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartmann[at]springer[…dot]com | Anbieter: preigu.
Sprache: Englisch
Verlag: Springer International Publishing, Springer International Publishing 2019
Serie: Socio-Affective Computing, Buch 2 von 10. Buch 2 von 10 - Socio-Affective Computing
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 106,99
EUR 61,01 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - The objective of this monograph is to improve the performance of the sentiment analysis model by incorporating the semantic, syntactic and common-sense knowledge. This book proposes a novel semantic concept extraction approach that uses dependency re…lations between words to extract the features from the text. Proposed approach combines the semantic and common-sense knowledge for the better understanding of the text. In addition, the book aims to extract prominent features from the unstructured text by eliminating the noisy, irrelevant and redundant features. Readers will also discover a proposed method for efficient dimensionality reduction to alleviate the data sparseness problem being faced by machine learning model. Authors pay attention to the four main findings of the book : -Performance of the sentiment analysis can be improved by reducing the redundancy among the features. Experimental results show that minimum Redundancy Maximum Relevance (mRMR) feature selection technique improves the performance of the sentiment analysis by eliminating the redundant features. - Boolean Multinomial Naive Bayes (BMNB) machine learning algorithm with mRMR feature selection technique performs better than Support Vector Machine (SVM) classifier for sentiment analysis. - The problem of data sparseness is alleviated by semantic clustering of features, which in turn improves the performance of the sentiment analysis.- Semantic relations among the words in thetext have useful cues for sentiment analysis. Common-sense knowledge in form of ConceptNet ontology acquires knowledge, which provides a better understanding of the text that improves the performance of the sentiment analysis.
