Sentimental Analysis of COVID-19 Related Messages in Social Networks by Involving an N-Gram Stacked Autoencoder Integrated in an Ensemble Learning Scheme

V. Kandasamy; P. Trojovský; F. Machot; K. Kyamakya; Nebojsa Bacanin; S. Askar; M. Abouhawwash

Резултати

еНаука > Резултати > Sentimental Analysis of COVID-19 Related Messages in Social Networks by Involving an N-Gram Stacked Autoencoder Integrated in an Ensemble Learning Scheme

Назив:	Sentimental Analysis of COVID-19 Related Messages in Social Networks by Involving an N-Gram Stacked Autoencoder Integrated in an Ensemble Learning Scheme
Аутори:	V. Kandasamy; P. Trojovský; F. Machot; K. Kyamakya; Nebojsa Bacanin ; S. Askar; M. Abouhawwash
Година:	2021
Публикација:	SENSORS
ISSN:	1424-8220 Sensors Претражи идентификатор
Тип резултата:	Научни чланак
Колација:	vol. 21 br. 22 str. 7582-7582
DOI:	10.3390/s21227582
WoS-ID:	000724454900001
Scopus-ID:	2-s2.0-85118926540
URI:	https://enauka.gov.rs/handle/123456789/708329 http://ezaposleni.singidunum.ac.rs/rest/sciNaucniRezultati/oai/record/2/8917
URL:	https://www.mdpi.com/1424-8220/21/22/7582
М-категорија:	21M21 - Рад у врхунском међ. часопису

23
SCOPUS^TM

5
OpenCitations

14
WEB OF SCIENCE^TM

Алт метрика

Dimensions

Пронађи DOI

Проналажење DOI у сервису CrossRef-у на основу мета-података у запису. Приказаће се DOI (и метаподаци) чији се подаци највише поклапају. ОПРЕЗ - то не мора бити та публикација.

Unpaywall

Резултати на еНаука су заштићени ауторским правима и сва права су задржана, осим ако није другачије назначено.