Reconnaissance des émotions dans les tweets textuels par des algorithmes d'apprentissage automatique
Versandfertig in 6-10 Tagen
28,99 €
inkl. MwSt.
PAYBACK Punkte
14 °P sammeln!
Ce livre propose un système de reconnaissance des émotions dans les tweets. Les émotions jouent un rôle essentiel dans nos vies. Comme nous pouvons le constater, de nombreuses personnes utilisent les médias sociaux et se servent de la plateforme à de nombreuses fins, certains tweetant de manière positive et d'autres de manière négative. Les émotions et les opinions de différentes personnes peuvent être analysées sur les tweets afin d'analyser l'opinion publique sur une nouvelle et les événements sociaux qui se déroulent dans la société actuelle. En utilisant des algorithmes d...
Ce livre propose un système de reconnaissance des émotions dans les tweets. Les émotions jouent un rôle essentiel dans nos vies. Comme nous pouvons le constater, de nombreuses personnes utilisent les médias sociaux et se servent de la plateforme à de nombreuses fins, certains tweetant de manière positive et d'autres de manière négative. Les émotions et les opinions de différentes personnes peuvent être analysées sur les tweets afin d'analyser l'opinion publique sur une nouvelle et les événements sociaux qui se déroulent dans la société actuelle. En utilisant des algorithmes d'apprentissage automatique, nous avons mis en oeuvre la reconnaissance des émotions en classant les tweets comme positifs et négatifs. En reconnaissant ces tweets positifs et négatifs, nous pouvons identifier les émotions des personnes et réduire ainsi les fausses déclarations. Au départ, les auteurs ont divisé l'ensemble de données en un ensemble de données de formation et un ensemble de données de test, qui sont utilisés pour former le modèle. En comparant les données de formation avec les données de test, le modèle reconnaît les émotions dans les tweets. En utilisant les algorithmes SVM et naïf bayes, nous classons le texte basé sur twitter en différentes émotions et prédisons des emojis comme l'amour, la peur, la colère, la tristesse, la joie. Sur la base de l'analyse des performances, nous avons prédit un résultat optimal en termes de précision et de score F1.
Andere Kunden interessierten sich für
