Sentimentanalyse von Hotel-bewertungen mittels Deep Learning und BiLSTM LSTM- und bidirektionale LSTM-Modelle
-
- Deutsch ausgewählt
48,90 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
19.07.2026
Verlag
Verlag Unser WissenSeitenzahl
84
Maße (L/B/H)
22/15/0,6 cm
Gewicht
143 g
Sprache
Deutsch
EAN
9786630325133
Im digitalen Zeitalter hat das rasante Wachstum von Online-Plattformen die Hotellerie erheblich verändert, wobei Kundenentscheidungen zunehmend von nutzergenerierten Bewertungen beeinflusst werden. Diese Bewertungen liefern wertvolle Einblicke in die Kundenerfahrungen; allerdings macht die enorme Menge an unstrukturierten Textdaten eine manuelle Analyse ineffizient und unpraktisch. Um dieser Herausforderung zu begegnen, schlägt diese Studie ein automatisiertes System zur Sentimentanalyse vor, das Deep-Learning-Techniken nutzt, um Hotelbewertungen in positive und negative Stimmungen zu klassifizieren. Die Untersuchung stützt sich auf einen umfangreichen Datensatz mit über 500.000 Hotelbewertungen, der einer umfassenden Vorverarbeitung unterzogen wird, einschließlich Textbereinigung, Tokenisierung, Entfernung von Stoppwörtern und Datenausgleich, um die Zuverlässigkeit des Modells sicherzustellen. Es wird eine explorative Datenanalyse (EDA) durchgeführt, um die Datenverteilung zu verstehen und aussagekräftige Muster zu extrahieren. Die aufbereiteten Textdaten werden anschließend mithilfe von Tokenisierung und Sequenz-Padding-Techniken in numerische Darstellungen umgewandelt. Zwei Deep-Learning-Modelle, Long Short-Term Memory (LSTM) und Bidirectional Long Short-Term Memory (BiLSTM), werden implementiert, um sequenzielle Abhängigkeiten und kontextuelle Beziehungen zu erfassen.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice