Riassunto di opinioni basato su caratteristiche utilizzando l'apprendimento di trasferimento

L'opinion mining viene utilizzato per migliorare il processo decisionale di un nuovo utente in vari domini, quali prodotti, film, news media, condivisioni sui social network, ecc. Nella maggior parte delle metodologie esistenti, l'estrazione delle opinioni basata sulle caratteristiche si basa solo su un singolo corpus di dominio. L'estrazione delle opinioni basata sulle caratteristiche in due corpora di dominio diversi ?complessa. Le caratteristiche e le parole di opinione vengono estratte con l'aiuto dello strumento di etichettatura Part-of-Speech (PoS). La tecnica Inter dependent domain relevance (IDDR) utilizza la rimozione delle caratteristiche ridondanti e la potatura delle caratteristiche irrilevanti da due domini diversi con l'aiuto del punteggio IDDR e del valore di soglia. Normalmente il data mining e l'apprendimento automatico utilizzano dati di addestramento e di test provenienti dallo stesso dominio e con le stesse caratteristiche. Ma il concetto di cui sopra non ?valido in tutti i domini a causa della mancanza di set di dati etichettati. Il metodo di apprendimento di trasferimento proposto utilizza l'algoritmo Exaggerate Instance weighted K nearest neighbor (EIWKNN) per trasferire la conoscenza dal dominio della telecamera al dominio dell'iPod per la classificazione delle opinioni. Viene generata la sintesi delle caratteristiche di due domini diversi rispetto alla loro opinione.