Találati lista | Tudóstér

001-es BibID:	BIBFORM118867
035-os BibID:	(Scopus)85188777962 (WoS)001191621900001
Első szerző:	Lakatos Róbert (informatikus)
Cím:	A Machine Learning-Based Pipeline for the Extraction of Insights from Customer Reviews / Róbert Lakatos, Gergő Bogacsovics, Balázs Harangi, István Lakatos, Attila Tiba, János Tóth, Marianna Szabó, András Hajdu
Dátum:	2024
ISSN:	2504-2289
Megjegyzések:	The efficiency of natural language processing has improved dramatically with the advent of machine learning models, particularly neural network-based solutions. However, some tasks are still challenging, especially when considering specific domains. This paper presents a model that can extract insights from customer reviews using machine learning methods integrated into a pipeline. For topic modeling, our composite model uses transformer-based neural networks designed for natural language processing, vector-embedding-based keyword extraction, and clustering. The elements of our model have been integrated and tailored to better meet the requirements of efficient information extraction and topic modeling of the extracted information for opinion mining. Our approach was validated and compared with other state-of-the-art methods using publicly available benchmark datasets. The results show that our system performs better than existing topic modeling and keyword extraction methods in this task.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk machine learning deep learning topic modeling keyphrase extraction natural language processing
Megjelenés:	Big Data and Cognitive Computing. - 8 : 3 (2024), p. 1-24. -
További szerzők:	Bogacsovics Gergő (1996-) (informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus) Szabó Marianna (1995-) (programtervező informatikus) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:	GINOP-2.3.2-15-2016-00005 GINOP TKP2021-NKTA-34 Egyéb 2020-1.1.2-PIACI-KFI-2021-00223 Egyéb KDP-2021 C1774095 Egyéb
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: