Обработка естественного языка (NLP) — это разновидность искусственного интеллекта, демонстрирующая, как алгоритмы могут взаимодействовать с людьми на их уникальных языках. Кроме того, анализ настроений в NLP лучше проводится во многих программах, включая оценку настроений на телугу. Для обнаружения текста на телугу используются несколько неконтролируемых алгоритмов машинного обучения, таких как кластеризация k-средних с поиском с кукушкой. Однако эти методы с трудом справляются с кластеризацией данных с переменными размерами и плотностью кластеров, низкой скоростью поиска и плохой точностью сходимости. В ходе этого исследования была разработана уникальная система анализа настроений на основе машинного обучения для текста на телугу, позволяющая устранить указанные недостатки. Первоначально, на этапе предварительной обработки, предлагаемый алгоритм линейного преследования (LPA) удаляет слова в пробелах, знаках препинания и остановках. Затем для маркировки POS в этом исследовании было предложено условное случайное поле с лексическим взвешиванием; После этого предлагается надуманный пассивно-агрессивный классификатор с нечетким взвешиванием (CPSC-FWC) для классификации настроений в тексте на телугу. Следовательно, предлагаемый нами метод дает эффективные результаты с точки зрения точности, воспроизводимости и показателя f1.
Исследования чат-ботов значительно продвинулись за эти годы. Предприятия изучают, как улучшить производительность, принятие и внедрение этих инструментов, чтобы общаться с клиентами или внутренними командами через социальные сети. Кроме того, предприятия также хотят обращать внимание на качественные отзывы клиентов в социальных сетях о продуктах, доступных на рынке. Оттуда, пожалуйста, выберите новый метод для улучшения качества обслуживания своих продуктов, а затем отправьте его в издательские агентства для публикации на основе потребностей и оценки общества. Несмотря на то, что в последнее время было проведено множество исследований, не все из них затрагивают вопрос оценки мнений о системе чат-ботов. Основная цель исследования в этой статье — оценить человеческие комментарии на английском языке с помощью системы чат-ботов. Документы системы предварительно обрабатываются и сопоставляются мнения, чтобы предоставить заключения на основе комментариев на английском языке. Основанная на практических потребностях и социальных условиях, эта методология направлена на развитие контента чат-бота на основе взаимодействия с пользователем, что позволяет осуществлять циклический и контролируемый человеком процесс со следующими этапами оценки комментариев на английском языке. Сначала мы предварительно обрабатываем входные данные, собирая комментарии в социальных сетях, а затем наша система анализирует эти комментарии в соответствии с рейтингом просмотров по каждой затронутой теме. Наконец, данная система будет давать рейтинг и результат комментариев для каждого комментария, введенного в систему. Эксперименты показывают, что данный метод может повысить точность на 78,53% лучше, чем упомянутые методы.
1 - 2 из 2 результатов