Resumen

Con el aumento de la información en la web, las críticas de películas en línea se están convirtiendo en una importante fuente de información para los usuarios de Internet. Sin embargo, los usuarios de Internet publican diariamente miles de críticas de películas y les resulta difícil resumirlas manualmente. La extracción y el resumen de las críticas de películas es una de las tareas más complejas del procesamiento del lenguaje natural. Por lo tanto, es deseable un enfoque automático para resumir las largas críticas de películas, y permitirá a los usuarios reconocer rápidamente los aspectos positivos y negativos de una película. Este estudio emplea una técnica de extracción de características denominada bolsa de palabras (BoW) para extraer características de las críticas de películas y representarlas como un modelo de espacio vectorial o vector de características. La siguiente fase utiliza el algoritmo de aprendizaje automático Naïve Bayes para clasificar las críticas de películas (representadas como vector de características) en positivas y negativas. A continuación, se construye un gráfico ponderado no dirigido a partir de las similitudes semánticas por pares entre las frases de las críticas clasificadas, de forma que los nodos del gráfico representan las frases de las críticas, mientras que las aristas del gráfico indican el peso de la similitud semántica. Se aplica el algoritmo de clasificación basado en el gráfico ponderado (WGRA) para calcular la puntuación de cada frase de revisión en el gráfico. Por último, las frases mejor clasificadas (nodos del gráfico) se eligen en función de las puntuaciones más altas para producir el resumen extractivo. Los resultados experimentales revelan que el enfoque propuesto es superior a otros enfoques del estado de la técnica.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:reseña de películas, frase de reseña, vector de características, nodo de grafos, miles de películas, bolsa de palabras, minería de reseñas de películas, procesamiento del lenguaje natural, peso de similitud semántica, grafo ponderado no dirigido
• Keywords:movies review, review sentence, features vector, graph node, thousands of movies, bag of word, movies review mining, natural language processing, semantic similarity weight, undirected weighted graph