Open Daily: 10am - 10pm | Alley door pickup 10am - 7pm 3038 Hennepin Ave Minneapolis, MN
612-822-4611

  • Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Classificazione del sentiment delle recensioni cinematografiche in base al contesto

Classificazione del sentiment delle recensioni cinematografiche in base al contesto

Lavanya, Pandiri
Duvvuri, Suneel Kumar

Paperback

Technology & Engineering

ISBN10: 6630237781
ISBN13: 9786630237788
Publisher: Edizioni Sapienza
Published: Jul 16 2026
Pages: 96
Weight: 0.31
Height: 0.23 Width: 6.00 Depth: 9.00
Language: Italian
La rapida crescita delle piattaforme digitali ha portato a un enorme aumento dei testi generati dagli utenti, in particolare delle recensioni cinematografiche. L'analisi manuale di tali dati è difficile e richiede molto tempo. L'analisi del sentiment, un'area importante dell'elaborazione del linguaggio naturale (NLP), aiuta a identificare automaticamente le opinioni espresse nei testi. Questo studio sviluppa un sistema basato sul deep learning per classificare le recensioni cinematografiche come positive o negative. È stato utilizzato il set di dati IMDB composto da 50.000 recensioni etichettate. La pre-elaborazione dei dati ha incluso la rimozione dei tag HTML, la normalizzazione, la tokenizzazione, la rimozione delle parole vuote e lo stemming. Il testo elaborato è stato convertito in forma numerica utilizzando gli embedding delle parole per coglierne il significato. È stato utilizzato un modello LSTM bidirezionale, che legge il testo in entrambe le direzioni per comprendere il contesto meglio rispetto ai modelli tradizionali. Il modello è stato addestrato con l'ottimizzatore Adam e la perdita di entropia incrociata binaria, con l'utilizzo dell'early stopping per ridurre l'overfitting. I risultati hanno mostrato un'accuratezza di circa l'88,5%, dimostrando l'efficacia del modello. Questo approccio può essere applicato nei sistemi di raccomandazione, nell'analisi dei social media e nella valutazione dei feedback.

Also from

Lavanya, Pandiri

View All

Also in

Technology & Engineering

View All