| Summary: | Σήμερα, πλήθος καταστημάτων ηλεκτρονικού εμπορίου ζητούν από τους καταναλωτές να μοιραστούν τις απόψεις τους σχετικά με τα προϊόντα, που έχουν αγοράσει, και τους δίνουν τη δυνατότητα να υποβάλουν τις κριτικές τους μαζί με μία αξιολόγηση συγκεκριμένης πολικότητας. Σαν αποτέλεσμα, χιλιάδες κριτικές παράγονται καθημερινά, καθιστώντας δύσκολο για ένα άτομο να αποφασίσει αν θα αγοράσει ή όχι ένα συγκεκριμένο προϊόν. Ωστόσο, η σπουδαιότητα των κριτικών έδωσε κίνητρο για τη δημιουργία παραπλανητικών κριτικών, οι οποίες περιλαμβάνουν λανθασμένες απόψεις για ένα προϊόν. Επιπλέον, σε μερικές περιπτώσεις, υπάρχει αναντιστοιχία μεταξύ της κριτικής και της αξιολόγησης. Για την επίλυση των παραπάνω προβλημάτων, στη συγκεκριμένη εργασία προτείνεται ένα συνεργατικό φιλτράρισμα με βάση το μοντέλο, στο οποίο αξιοποιείται η ανάλυση συναισθήματος, χρησιμοποιώντας το VADER, και ο εντοπισμός διπλών ή σχεδόν διπλών κριτικών σε ένα σύνολο από κριτικές προϊόντων της πλατφόρμας Amazon.com. Στη συνέχεια, η ακρίβεια των προβλεπόμενων αξιολογήσεων του προτεινόμενου μοντέλου συγκρίνεται με την ακρίβεια ενός «απλού» συνεργατικού φλιταρίσματος με βάση το μοντέλο. Τα αποτελέσματα έδειξαν ότι το προτεινόμενο μοντέλο είναι ανώτερο από την «απλή» προσέγγιση επειδή είναι πιο ακριβές με βάση τα RMSE και MAE και βελτιώνει την αξιοπιστία των συστάσεων.
|
|---|
