Apprendimento automatico applicato

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.