Featurebasierte Meinungszusammenfassung unter Verwendung von Transferlernen

ISBN-13: 9786209291524 / Niemiecki / Miękka / 2025 / 76 str.

Ramesh Sekaran; Abirami Ragupathi

Opis

Opinion Mining wird eingesetzt, um die Entscheidungsfindung neuer Nutzer in verschiedenen Bereichen wie Produkten, Filmen, Nachrichtenmedien, Beiträgen in sozialen Netzwerken usw. zu verbessern. Feature-basiertes Opinion Mining stützt sich in den meisten bestehenden Methoden nur auf einen einzigen Domänenkorpus. Feature-basiertes Opinion Mining in zwei verschiedenen Domänenkorpora ist komplex. Die Merkmale und Meinungswörter werden mit Hilfe des Part-of-Speech (PoS)-Tagging-Tools extrahiert. Die IDDR-Technik (Inter dependent domain relevance) nutzt die Entfernung redundanter Merkmale und das Ausdünnen irrelevanter Merkmale aus zwei verschiedenen Bereichen mit Hilfe des IDDR-Scores und des Schwellenwerts. Normalerweise verwenden Data Mining und maschinelles Lernen Trainings- und Testdaten aus derselben Domäne und haben dieselben Merkmale. Das oben genannte Konzept gilt jedoch aufgrund des Mangels an gekennzeichneten Datensätzen nicht für alle Domänen. Hier wird die vorgeschlagene Transfer-Lernmethode unter Verwendung des Exaggerate Instance weighted K nearest neighbor (EIWKNN)-Algorithmus verwendet, um das Wissen aus der Kameradomäne in die iPod-Domäne für die Meinungsklassifizierung zu übertragen. Es wird eine Zusammenfassung der Merkmale zweier verschiedener Domänen in Bezug auf ihre Meinung erstellt.