Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 Görüntüleme 18
 İndirme 1
A Novel Hybrid Two-Pass Optimized Deep Neural Network Classifier (Cnn-Olstm) For Twitter Sentiment Analysis
2021
Dergi:  
Natural Volatiles and Essential Oils
Yazar:  
Özet:

The goal of sentiment analysis is to identify and categorize the emotions expressed in tweets, messages, and user reviews.Social media platforms like Instagram, Facebook, and Twitter generate a lot of emotionally charged data, which may be quite beneficial when trying to improve the quality of both products and services uniformly.Even though various machine learning algorithms have been designed to recognize the emotions of Twitter users, sentiment analysis still faces significant obstacles.A two-pass optimized deep neural network has been designed to address this.The long short-term memory (LSTM) classifier and the convolution neural network (CNN) are used to create the proposed hybrid two-pass classifier (CNN-OLSTM).In addition, the Adaptive sunflower optimization(ASFO)technique is proposed to optimize the parameter existing in a two-pass classifier to improve its performance.Various measures are used to evaluate the effectiveness of the proposed strategy.

Anahtar Kelimeler:

0
2021
Yazar:  
Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler








Natural Volatiles and Essential Oils

Alan :   Fen Bilimleri ve Matematik; Sağlık Bilimleri

Dergi Türü :   Uluslararası

Metrikler
Makale : 2.892
Atıf : 271
2023 Impact/Etki : 0.316
Natural Volatiles and Essential Oils