Resumo de opiniões com base em características utilizando aprendizagem por transferência

A mineração de opiniões é utilizada para melhorar a tomada de decisões de novos utilizadores em vários domínios, tais como produtos, filmes, meios de comunicação social, partilhas em redes sociais, etc. A mineração de opiniões baseada em características depende apenas de um corpus de domínio único na maioria das metodologias existentes. A mineração de opiniões baseada em características em dois corpus de domínios diferentes é complexa. As características e as palavras de opinião são extraídas com a ajuda da ferramenta de marcação de partes do discurso (PoS). A técnica de relevância de domínios interdependentes (IDDR) utiliza a remoção de características redundantes e a eliminação de características irrelevantes de dois domínios diferentes com a ajuda da pontuação IDDR e do valor limite. Normalmente, a mineração de dados e o aprendizado de máquina utilizam dados de treinamento e teste do mesmo domínio e têm a mesma característica. Mas o conceito acima não se aplica a todos os domínios devido à falta de um conjunto de dados rotulados. Aqui, o método de aprendizado por transferência proposto utiliza o algoritmo Exaggerate Instance weighted K nearest neighbor (EIWKNN) para transferir o conhecimento do domínio da câmera para o domínio do iPod para classificação de opiniões. É gerado um resumo das características de dois domínios diferentes em relação às suas opiniões.