Per raggiungere questo obiettivo, il modello di apprendimento automatico deve svolgere diversi compiti, come la segmentazione delle parole, le stop-word, l'estrazione di caratteristiche e la ricerca di prodotti simili acquistati da altri utenti, ecc. In questo progetto abbiamo preso come esempio un sistema di raccomandazione di cellulari e abbiamo cercato di classificare le recensioni di cellulari come positive o negative usando l'analisi del sentiment e abbiamo costruito un sistema di raccomandazione usando un item based collaborative filtering migliorato basato sul sentiment degli utenti che può suggerire i cellulari che un utente potrebbe gradire in base all'elenco di cellulari che ha già guardato.