Name: Featurebasierte Meinungszusammenfassung unter Verwendung von Transferlernen (en Alemán)
Price: 163582.00 COP
Availability: InStock
Author: Sekaran, Ramesh; Ragupathi, Abirami
ISBN: 9786209291524

portada Featurebasierte Meinungszusammenfassung unter Verwendung von Transferlernen (en Alemán)

Featurebasierte Meinungszusammenfassung unter Verwendung von Transferlernen (en Alemán)

Formato

Libro Físico

Editorial

Verlag Unser Wissen

Autor

Sekaran, Ramesh; Ragupathi, Abirami

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.5 cm

ISBN13

9786209291524

Featurebasierte Meinungszusammenfassung unter Verwendung von Transferlernen (en Alemán)

Sekaran, Ramesh; Ragupathi, Abirami (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 20 a 24 días háb.

$ 327.164$ 163.582

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 163.582

¡Envío Gratis! Llega entre el 14 Ago y el 24 Ago a Bogota, Cundinamarca. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Featurebasierte Meinungszusammenfassung unter Verwendung von Transferlernen (en Alemán)"

Opinion Mining wird eingesetzt, um die Entscheidungsfindung neuer Nutzer in verschiedenen Bereichen wie Produkten, Filmen, Nachrichtenmedien, Beiträgen in sozialen Netzwerken usw. zu verbessern. Feature-basiertes Opinion Mining stützt sich in den meisten bestehenden Methoden nur auf einen einzigen Domänenkorpus. Feature-basiertes Opinion Mining in zwei verschiedenen Domänenkorpora ist komplex. Die Merkmale und Meinungswörter 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 Ausdünnen 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 Domäne und haben dieselben Merkmale. Das oben genannte Konzept gilt jedoch aufgrund des Mangels an gekennzeichneten Datensätzen nicht für alle Domänen. Hier wird die vorgeschlagene Transfer-Lernmethode unter Verwendung des Exaggerate Instance weighted K nearest neighbor (EIWKNN)-Algorithmus verwendet, um das Wissen aus der Kameradomäne in die iPod-Domäne für die Meinungsklassifizierung zu übertragen. Es wird eine Zusammenfassung der Merkmale zweier verschiedener Domänen in Bezug auf ihre Meinung erstellt.