Open Daily: 10am - 10pm | Alley door pickup 10am - 7pm 3038 Hennepin Ave Minneapolis, MN
612-822-4611

  • Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Podsumowanie opinii oparte na cechach przy użyciu uczenia transferowego

Podsumowanie opinii oparte na cechach przy użyciu uczenia transferowego

Sekaran, Ramesh
Ragupathi, Abirami

Paperback

General Computers

ISBN10: 6209057829
ISBN13: 9786209057823
Publisher: Wydawnictwo Nasza Wiedza
Published: Nov 16 2025
Pages: 76
Weight: 0.25
Height: 0.18 Width: 6.00 Depth: 9.00
Language: Polish
Wykorzystuje się analizę opinii, żeby pomóc nowym użytkownikom w podejmowaniu decyzji w różnych dziedzinach, jak produkty, filmy, media informacyjne, udostępnianie w sieciach spolecznościowych itp. W większości istniejących metod analizy opinii opartej na cechach wykorzystuje się tylko korpus z jednej dziedziny. Analiza opinii oparta na cechach w dwóch różnych korpusach jest skomplikowana. Cechy i slowa opinii są wyodrębniane za pomocą narzędzia do tagowania części mowy (PoS). Technika wzajemnej zależności domen (IDDR) wykorzystuje usuwanie zbędnych cech i przycinanie nieistotnych cech z dwóch różnych domen za pomocą wyniku IDDR i wartości progowej. Zazwyczaj eksploracja danych i uczenie maszynowe wykorzystują dane szkoleniowe i testowe z tej samej domeny i mają tę samą cechę. Jednak powyższa koncepcja nie ma zastosowania we wszystkich domenach ze względu na brak oznaczonych zbiorów danych. W tym przypadku proponowana metoda uczenia transferowego wykorzystuje algorytm Exaggerate Instance weighted K nearest neighbor (EIWKNN) do przeniesienia wiedzy z domeny kamer do domeny iPodów w celu klasyfikacji opinii. Generowane jest podsumowanie cech dwóch różnych domen w odniesieniu do ich opinii.

Also from

Sekaran, Ramesh

View All

Also in

General Computers

View All