Featurebasierte Meinungszusammenfassung unter Verwendung von Transferlernen

Opinion Mining wird eingesetzt, um die Entscheidungsfindung neuer Nutzer in verschiedenen Bereichen wie Produkten, Filmen, Nachrichtenmedien, Beitr輍en in sozialen Netzwerken usw. zu verbessern. Feature-basiertes Opinion Mining stzt sich in den meisten bestehenden Methoden nur auf einen einzigen Dom鄚enkorpus. Feature-basiertes Opinion Mining in zwei verschiedenen Dom鄚enkorpora ist komplex. Die Merkmale und Meinungsw顤ter 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 Ausdnen 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 Dom鄚e und haben dieselben Merkmale. Das oben genannte Konzept gilt jedoch aufgrund des Mangels an gekennzeichneten Datens酹zen nicht f alle Dom鄚en. Hier wird die vorgeschlagene Transfer-Lernmethode unter Verwendung des Exaggerate Instance weighted K nearest neighbor (EIWKNN)-Algorithmus verwendet, um das Wissen aus der Kameradom鄚e in die iPod-Dom鄚e f die Meinungsklassifizierung zu ertragen. Es wird eine Zusammenfassung der Merkmale zweier verschiedener Dom鄚en in Bezug auf ihre Meinung erstellt.