Resumo de opiniões com base em características utilizando aprendizagem por transferência

A minera誽o de opini髊s ?utilizada para melhorar a tomada de decis髊s de novos utilizadores em v嫫ios dom璯ios, tais como produtos, filmes, meios de comunica誽o social, partilhas em redes sociais, etc. A minera誽o de opini髊s baseada em caracter疄ticas depende apenas de um corpus de dom璯io ico na maioria das metodologias existentes. A minera誽o de opini髊s baseada em caracter疄ticas em dois corpus de dom璯ios diferentes ?complexa. As caracter疄ticas e as palavras de opini緌 s緌 extra獮as com a ajuda da ferramenta de marca誽o de partes do discurso (PoS). A t嶰nica de relev滱cia de dom璯ios interdependentes (IDDR) utiliza a remo誽o de caracter疄ticas redundantes e a elimina誽o de caracter疄ticas irrelevantes de dois dom璯ios diferentes com a ajuda da pontua誽o IDDR e do valor limite. Normalmente, a minera誽o de dados e o aprendizado de m嫭uina utilizam dados de treinamento e teste do mesmo dom璯io e t瘱 a mesma caracter疄tica. Mas o conceito acima n緌 se aplica a todos os dom璯ios devido ?falta de um conjunto de dados rotulados. Aqui, o m彋odo de aprendizado por transfer瘽cia proposto utiliza o algoritmo Exaggerate Instance weighted K nearest neighbor (EIWKNN) para transferir o conhecimento do dom璯io da c滵era para o dom璯io do iPod para classifica誽o de opini髊s. ?gerado um resumo das caracter疄ticas de dois dom璯ios diferentes em rela誽o 跴 suas opini髊s.