Erkennung von Emotionen in Text-Tweets durch Algorithmen für maschinelles Lernen
Versandkostenfrei!
Versandfertig in 6-10 Tagen
43,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
In diesem Buch wird ein Emotionserkennungssystem vorgeschlagen, das Emotionen in Tweets erkennt. Emotionen spielen eine wichtige Rolle in unserem Leben. Wie wir sehen können, nutzen viele Menschen soziale Medien, wo sie die Plattform für viele Zwecke nutzen, einige von ihnen twittern auf eine gute Art und Weise und einige von ihnen auf eine schikanöse Art. Die Emotionen und Meinungen verschiedener Menschen können anhand von Tweets analysiert werden, um die öffentliche Meinung zu Nachrichten und sozialen Ereignissen in der heutigen Gesellschaft zu ermitteln. Durch den Einsatz von Algorithm...
In diesem Buch wird ein Emotionserkennungssystem vorgeschlagen, das Emotionen in Tweets erkennt. Emotionen spielen eine wichtige Rolle in unserem Leben. Wie wir sehen können, nutzen viele Menschen soziale Medien, wo sie die Plattform für viele Zwecke nutzen, einige von ihnen twittern auf eine gute Art und Weise und einige von ihnen auf eine schikanöse Art. Die Emotionen und Meinungen verschiedener Menschen können anhand von Tweets analysiert werden, um die öffentliche Meinung zu Nachrichten und sozialen Ereignissen in der heutigen Gesellschaft zu ermitteln. Durch den Einsatz von Algorithmen des maschinellen Lernens haben wir eine Emotionserkennung implementiert, indem wir Tweets als positiv und negativ klassifiziert haben. Durch die Erkennung dieser positiven und negativen Tweets können wir die Emotionen der Menschen erkennen und die gefälschten Aussagen reduzieren. Zunächst haben die Autoren den Datensatz in einen Trainings- und einen Testdatensatz unterteilt, die zum Trainierendes Modells verwendet werden, und durch den Vergleich der Trainingsdaten mit den Testdaten erkennt das Modell die Emotionen in Tweets. Mit Hilfe von SVM- und naiven Bayes-Algorithmen klassifizieren wir den Text auf Twitter in verschiedene Emotionen und sagen Emojis wie Liebe, Angst, Wut, Traurigkeit und Freude voraus. Auf der Grundlage der Leistungsanalyse haben wir ein optimales Ergebnis in Bezug auf Genauigkeit und F1-Score vorhergesagt.
Andere Kunden interessierten sich für
