Combinación de características neuronales y semánticas en el análisis del apoyo en los comentarios en línea de los clientes

Resumen

En los últimos diez años ha aumentado notablemente el número de personas que acceden a Internet. Las evaluaciones positivas sirven como prueba social, convenciendo a los futuros compradores de la calidad y las ventajas del producto. Pueden influir en las decisiones de compra al ofrecer información real de los usuarios. Las buenas críticas aumentan la confianza y la reputación de un producto o una marca. Los clientes son más propensos a comprar a una empresa que ha recibido excelentes opiniones, ya que demuestran fiabilidad y satisfacción. Las reseñas pueden considerarse contenido generado por el usuario, ya que hacen hincapié en diferentes aplicaciones, características o ventajas asociadas a un producto. Este material tiene el potencial de persuadir a los compradores indecisos. Se utilizó el sitio web Yelp para recopilar datos de las opiniones de todos los restaurantes asiáticos de Nueva York, que luego se entrenaron y evaluaron utilizando tres modelos diferentes, como Navie Bayes, el siguiente es la Regresión Logística y, por último, los Clasificadores de Vectores de Soporte. El clasificador de regresión logística superó a los demás al presentar la menor proporción de errores y la mayor área bajo la curva ROC, conocida como AUC en la curva ROC de las características operativas del receptor. Se obtuvieron conocimientos comerciales al reconocer la existencia de frases muy significativas y contrastar su rendimiento con las probabilidades universales cuando el sistema de aprendizaje automático recibió datos de reseñas de mi restaurante.