Resumen

Las técnicas de predicción del sentimiento se utilizan a menudo para asignar puntuaciones numéricas a reseñas en formato de texto libre escritas por personas en sitios web de reseñas en línea. Para explotar la información estructural detallada del contenido textual, una opinión puede considerarse como una colección de frases, cada una con su propia orientación de sentimiento y puntuación. De este modo, se necesita un método de agregación de puntuaciones para combinar las puntuaciones a nivel de frase en una valoración general de la reseña. Mientras que los trabajos recientes se han centrado en el diseño de métodos efectivos de predicción a nivel de frase, sigue existiendo el problema de encontrar algoritmos eficientes para la agregación de puntuaciones. En este estudio, investigamos diferentes métodos de agregación, así como los casos en los que su rendimiento es deficiente. A partir del análisis de los métodos existentes, proponemos un nuevo método de agregación de puntuaciones basado en la teoría de la evidencia de Dempster-Shafer. En el método propuesto, primero detectamos la polaridad de las reseñas mediante un enfoque de aprendizaje automático y, a continuación, consideramos las puntuaciones de las frases como evidencia para la valoración global de las reseñas. Los resultados de dos conjuntos de datos de redes sociales públicas muestran el mayor rendimiento de nuestro método en comparación con los métodos de agregación de puntuaciones existentes y los enfoques de aprendizaje automático más avanzados.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:valoración global de reseñas, enfoques de aprendizaje automático del arte, nuevo método de agregación de puntuaciones, conjuntos de datos públicos de redes sociales, técnicas de predicción de sentimientos, diferentes métodos de agregación, métodos de predicción de nivel, sitios web de reseñas en línea, orientación propia de los sentimientos, método de agregación de puntuaciones
• Keywords:overall review rating, art machine learning approaches, new score aggregation method, public social web datasets, sentiment prediction techniques, different aggregation methods, level prediction methods, online review websites, own sentiment orientation, score aggregation method