49,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
0 °P sammeln
  • Broschiertes Buch

Unternehmen und Hersteller, die ihre Produkte im Internet verkaufen, suchen in der Regel nach einer Möglichkeit, Bewertungen und Rückmeldungen ihrer Kunden über die Produkte oder die damit verbundenen Dienstleistungen zu sammeln. Natürlich ist es für sie wichtig, die öffentliche Meinung über ihre Produkte zu erfahren, damit sie die Popularität ihrer Waren steigern können. Das Einholen dieser Meinungen ist keine schwierige Aufgabe und kann leicht erreicht werden, indem man eine Internet-Website erstellt und dann die Kunden auffordert, die Produkteigenschaften über die Website zu kommentieren.…mehr

Produktbeschreibung
Unternehmen und Hersteller, die ihre Produkte im Internet verkaufen, suchen in der Regel nach einer Möglichkeit, Bewertungen und Rückmeldungen ihrer Kunden über die Produkte oder die damit verbundenen Dienstleistungen zu sammeln. Natürlich ist es für sie wichtig, die öffentliche Meinung über ihre Produkte zu erfahren, damit sie die Popularität ihrer Waren steigern können. Das Einholen dieser Meinungen ist keine schwierige Aufgabe und kann leicht erreicht werden, indem man eine Internet-Website erstellt und dann die Kunden auffordert, die Produkteigenschaften über die Website zu kommentieren. Die Schwierigkeit bei dieser Lösung besteht darin, dass die Unternehmer entscheiden, all diese Kommentare zu überprüfen und die möglichen Schwächen oder Stärken ihres Produkts oder bestimmte Merkmale dieses Produkts herauszufinden. Manchmal kann ein Merkmal für den einen interessant sein, während es für einen anderen nicht diesen Eindruck macht. In dieser Studie wurden drei verschiedene Pattern-Mining-Algorithmen verglichen und der effizienteste Algorithmus ermittelt, der in unserem Meinungsforschungssystem eingesetzt werden kann.
Autorenporträt
Seyed Hamid Ghorashi erwarb 2012 seinen Master-Abschluss in Informatik an der University of Technology in Malaysia. Seine Forschungsinteressen umfassen Data Mining, Maschinelles Lernen, Wissensextraktion und Organisation.