Resumen de opiniones basado en características mediante aprendizaje por transferencia

La minería de opiniones se utiliza para mejorar la toma de decisiones de nuevos usuarios en diversos ámbitos, como productos, películas, noticias, redes sociales, etc. En la mayoría de las metodologías existentes, la minería de opinión basada en características se basa en un único corpus de dominio. La minería de opinión basada en características en dos corpus de dominio diferentes es compleja. Las características y las palabras de opinión se extraen con la ayuda de la herramienta de etiquetado Part-of-Speech (PoS). La técnica de relevancia interdominio dependiente (IDDR) utiliza la eliminación de características redundantes y la poda de características irrelevantes de dos dominios diferentes con la ayuda de la puntuación IDDR y el valor umbral. Normalmente, la minería de datos y el aprendizaje automático utilizan datos de entrenamiento y de prueba del mismo dominio y tienen las mismas características. Pero el concepto anterior no es válido en todos los dominios debido a la falta de datos etiquetados. En este caso, el método de aprendizaje de transferencia propuesto utiliza el algoritmo Exaggerate Instance weighted K nearest neighbor (EIWKNN) para transferir el conocimiento del dominio de la cámara al dominio del iPod para la clasificación de opiniones. Se genera el resumen de las características de dos dominios diferentes con respecto a su opinión.

Pagina's: 76, Paperback, Ediciones Nuestro Conocimiento