Pour y parvenir, le modèle d'apprentissage automatique doit accomplir diverses tâches telles que la segmentation des mots, les mots vides, l'extraction de caractéristiques et la recherche de produits similaires achetés par d'autres utilisateurs, etc. Dans ce projet, nous prenons l'exemple d'un système de recommandation de mobiles et nous avons essayé de catégoriser les critiques de mobiles comme positives ou négatives en utilisant l'analyse des sentiments et nous avons construit un système de recommandation en utilisant un filtrage collaboratif amélioré basé sur le sentiment des utilisateurs qui peut suggérer des mobiles qu'un utilisateur pourrait aimer sur la base de la liste des mobiles qu'il a déjà regardés.