Upload
agnes-mainka
View
1.105
Download
0
Embed Size (px)
DESCRIPTION
Dieser Artikel diskutiert das Vorgehen und die Ergebnisse einer Dialoganalyse auf der Microbloggingplattform Twitter. Dialoge werden zum einen durch Metadaten aus der Twitter API und zum andern durch korpuslinguistische Annotation des Machinese Phrase Taggers von Connexor eruiert. Die Ergebnisse der Untersuchungen zeigen, dass die Metainformationen von Twitter Konversationen auffindbar machen können, jedoch sind zusätzliche Informationen nötig, um einen thematischen Dialog aus diesen Konversationen zu filtern. Für diese Problematik wird hier der Vergleich von Nominalphrasen als ein möglicher Lösungsansatz untersucht.
Citation preview
Korpusbasierte Online-Dialoganalyse am Beispiel Twitter
Agnes MainkaHeinrich-Heine-Universität Düsseldorf
2. DGI-Konferenz22. und 23. März 2012, Düsseldorf
@Agnieszka_M 2
Fragestellungen
23.03.2012
1. Kann man Dialoge auf Twitter automatisch extrahieren?
2. Gibt es eine typische Zeitspanne für Dialoge?
3. Kann man thematische Dialoge mittels automatischer „Part of Speech Tagging“-Analyse finden?
@Agnieszka_M 3
Neue Herausforderungen der Dialoganalyse durch Onlinediskurse
23.03.2012
Analyse von oralen Konversationen:„Die Kunst des Gesprächs“
Neue Technologien wie Handys verändern Gesprächsverläufe
Gespräche finden zunehmend in sozialen Netzwerken statt
Smartphones machen es möglich, von überall an Online-Dialogen teilzunehmen
@Agnieszka_M 4
Dialoge auf Twitter
23.03.2012
Emoticons
Umgangssprache
Mehrsprachig
Abkürzungen
Tippfehler
RT @Irgendwer
Reden über @Irgendwer
@Paul
Paul
@Hans
@Paul
Paul
Lara
@Lara
Lara
@Paul
@Agnieszka_M 5
Korpuserstellung
23.03.2012
Zugriff auf die Tweets über die Twitter-API
Möglichkeiten und Begrenzung des Zugriffs auf die Dialoge über die Twitter-Timeline:
• Lokale Sicherung der Timeline ist nur begrenzt möglich
• Es sind max. 100 Anfragen pro Stunde über die Twitter-API möglich
• Abrufe der Timelines sind auf die letzten 200 Tweets begrenzt
• Daten können als JSON oder XML gespeichert werden
@Agnieszka_M 6
Korpuserstellung
23.03.2012
Arbeitsschritte:
31.08.2011: Download der Timelines der ersten 20 Nutzer (JSON)
31.08.2011: Speicherung der Tweets vom 29.8. bis 31.8.
31.08.2011: Herausfiltern aller @Mentions aus dem Tweetbestand ohne RT @User
31.08.2011: Download aller Timelines der @Mentions
31.08.2011: Wiederholung der Schritte 3 und 4 (viermal)
02.09.2011: Aktualisierung der vorhandenen Timelines
05.09.2011: Aktualisierung der vorhandenen Timelines
7
Korpuserstellung
23.03.2012 @Agnieszka_M
Korpus:
• „RT @User“ wurden aus dem Untersuchungskorpus herausgefiltert
• 241 Timelines wurden lokal gespeichert
• Untersuchungsgegenstand sind alle öffentlich geposteten Tweets zwischen Montag dem 29. August 2011 und Sonntag dem 04. September 2011
• Nur 19 % (5.570 Tweets) des Korpus für die weitere Untersuchung verwendet, da sie min. eine @Mention enthalten
Daten der 20 Start-Twitternutzer Min. Max.
Account erstellt 2006 2011Tweets gepostet 386 45957
Follower 80 1148In Listen 5 166
@Agnieszka_M 8
Fragestellung 1:Kann man Dialoge auf Twitter automatisch extrahieren?
23.03.2012
Metainformationen der JSON-DateiBezeichnung in der Json Datei (Twitter-Timeline)
Bedeutung
„screen_name“ Enthält den Benutzernamen des Nutzers, der den Tweet verfasst hat. (Jeder Benutzername ist eindeutig, da er nur einmal an einen Benutzer vergeben wird)
„id“ Enthält eine eindeutige ID, die jedem Tweet zugeordnet wird.
„text“ Enthält den Text des Tweets.
„created_at“ Enthält das Datum, an dem der Tweet gepostet wurde.
„in_reply_to_status_id“ Enthält die ID des Tweets auf den der Text Bezug nimmt.
„in_reply_to_screen_name“ Enthält den Benutzernamen des Nutzers, auf den der Text Bezug nimmt.
@Agnieszka_M 9
Automatische Extraktion von Dialogen
23.03.2012
Extraktion von Dialogketten mit Python
id = 1
Tweet 1
in reply to = 1
id = 2
Tweet 2
in reply to = 2
id = 3
Tweet 3
…
@Agnieszka_M 10
Automatische Extraktion von Dialogen
23.03.2012
Extraktion von Dialogketten mit Python
Anzahl der Turns
Anza
hl d
er D
ialo
gkett
en
@Agnieszka_M 11
Fragestellung 2:Gibt es eine typische Zeitspanne für Dialoge?
23.03.2012
Zeitlicher Abstand zwischen Tweets in einem Dialog
• Untersuchung der Zeit im Mittel hat kein eindeutiges Ergebnis gebracht
• Nur in 14 der 86 Dialogketten haben sich drei Twitternutzer beteiligt, sonst waren es zwei Nutzer
• Durchschnittlicher Turnwechsel zwischen zwei und sieben Minuten
• Schnellste Antwort: acht Sekunden• Späteste Antwort: eine Woche
@Agnieszka_M 12
Fragestellung 2:Gibt es eine typische Zeitspanne für Dialoge?
23.03.2012
Zeitlicher Abstand zwischen Tweets in einem Dialog
@Agnieszka_M 13
Fragestellung 3:Kann man thematische Dialoge mittels POS-Tagging finden?
23.03.2012
Twitternutzer 5
token len text lemma syntax morpho form time noun phrase
1462216 7 grenzen grenzen @MAIN V INF
1462224 3 los los @ADVL ADV
1462228 3 ich ich @NH PRON
1462232 4 frag fragen @MAIN V IMP
1462237 4 mich ich @NH PRON
1462242 3 bis bis @PREMARK CS
1462246 5 heute heute @ADVL ADV
1462252 3 wie wie @PREMARK PREP
1462256 2 du du @NH PRON
1462259 4 dein dein @PREMOD PRON
1462264 3 Abi Abi @NH N Prop NP-Single
1462268 9 geschafft schaffen @MAIN V PCP PERF
1462278 4 hast haben @MAIN V IND PRES
Automatische Annotation durch den Machinese Phrase Tagger von Connexor
@Agnieszka_M 1423.03.2012
Was ist eine Nominalphrase (NP) ?Was ist ein Nominalkopf (NH)?
Satz
Nominal-phrase
Artikel
Der
Nomen
Mann
Verbal-phrase
Verb
isst
Nominal-phrase
Artikel
den
Nomen
Apfel
NP
NP
NH
NH
Fragestellung 3:Kann man thematische Dialoge mittels POS-Tagging finden?
@Agnieszka_M 1523.03.2012
Anzahl der erkannten Nominalköpfe in einem Tweet
Beispiel für 16 NHs:
Fragestellung 3:Kann man thematische Dialoge mittels POS-Tagging finden?
@Agnieszka_M 1623.03.2012
Anzahl der erkannten Nominalphrasen in einem Tweet
Fragestellung 3:Kann man thematische Dialoge mittels POS-Tagging finden?
@Agnieszka_M 1723.03.2012
Fragestellung 3:Kann man thematische Dialoge mittels POS-Tagging finden?
18
Probleme der Phrasenanalyse
23.03.2012 @Agnieszka_M
Verwendung von Pronomen
Geplauder ohne Themenbezug
Frage: „wa“ – Antwort „jepp“ ???
Ausruf auf ersten Tweet – keine NP
„Sowas“ – Bezug auf das Ereignis ohne übereinstimmenden NH
Paula
@Paula
Sahra
Paula
@Sahra
@Sahra
@Sahra
@Sahra
Bernd
Peter
@Agnieszka_M 19
Probleme der Phrasenanalyse
23.03.2012
• Nur ein kleiner Teil der Dialoge kann so erkannt werden:• 10,7 % der 402 untersuchten Dialogketten weisen eine Übereinstimmung der
Nominalköpfe auf
• Initiale Tweets, die kein „Thema“ haben, können demnach auch nicht thematisch passend beantwortet werden
• @-Funktion beabsichtigt nicht immer einen Dialog
• Linguistische Schwierigkeiten: • Verwendung von Pronomen und Ellipsen• Semantik
@Agnieszka_M 20
Zusammenfassung
23.03.2012
1. Kann man Dialoge auf Twitter automatisch extrahieren?• Metainformationen der JSON (oder XML)-Ausgabe machen es möglich über die
Angabe „in_reply_to_status_id“ Dialoge automatisch zu finden
2. Gibt es eine typische Zeitspanne für Dialoge?• Ein Großteil der untersuchten Twitternutzer antworten in weniger als fünf
Minuten auf einen Tweet
3. Kann man thematische Dialoge mittels automatischer „Part of Speech Tagging“-Analyse finden? • Nur 10 % der Twitternachrichten, die mit dem „reply_to_status_id“-Wert
deklariert werden, besitzen einen gleichen Nominalkopf
Andere Möglichkeiten?• Verbesserung der Ergebnisse durch Verwendung von Thesauri oder Ontologien
• Die Auswertung eignet sich nur für Konversationen die ein Thema diskutieren und nicht nur Geplauder enthalten
@Agnieszka_M 2123.03.2012
Vielen Dank!
Heinrich-Heine-Universität Dü[email protected]
@Agnieszka_MFolien auf Slideshare: Agnes Mainka
22
Quellen:
23.03.2012 @Agnieszka_M
Cheng, N., Chandramouli, R., & Subbalakshmi, K. P. (2011). Author gender identification from text. Digital Investigation, 8(1), 78-88.Crystal, D. (2011). Internet Linguistics. New York: Routledge.Finin, T., Murnane, W., Karandikar, A., Keller, N., Martineau, J., & Dredze, M. (2010). Annotating named entities in Twitter data with crowdsourcing. In: Association for Computational Linguistics (Hrsg.), Proceedings of the NAACL Workshop on Creating Speech and Text Language Data With Amazon's Mechanical Turk. Fraas, C., & Pentzold, C. (2008). Online-Diskurse – Theoretische Prämissen, methodische Anforderungen und analytische Befunde. In: I. H. Warnke & J. Spitzmüller (Hrsg.), Methoden der Diskurslinguistik. Sprachwissenschaftliche Zugänge zur transtextuellen Ebene (S. 291-326).Franke, W. (2000). Konzepte linguistischer Dialogforschung. In: K. Brinker (Hrsg.), Text- und Gesprächslinguistik: ein internationales Handbuch zeitgenössischer Forschung (S. 346-362). Walter de Gruyter.Galanova, O., & Sommer, V. (2011). Neue Forschungsfelder im Netz. Erhebung, Archivierung und Analyse von Online-Diskursen als digitale Daten. In: S. Schomburg, C. Leggewie, H. Lobin & C. Puschmann (Hrsg.), Digitale Wissenschaft: Stand und Entwicklung digital vernetzter Forschung in Deutschland (S. 89-97). HBZ: Köln.Garton, L., Haythornthwaite, C., & Wellman, B. (1999). Studying On-Line Social Networks. In: S. Jones (Hrsg.), Doing Internet Research: Critical Issues and Methods for Examining the Net (S. 75-105). Thousand Oaks, CA: SAGE Publications, Inc.Jansen, B. J., Zhang, M., Sobel, K., & Chowdury, A. (2009). Twitter power: Tweets as electronic word of mouth. Journal of the American Society for Information Science and Technology, 60(11), 2169-2188.Java, A., Song, X., Finin, T., & Tseng, B. (2007). Why we twitter: Understanding microblogging usage and communities. In: Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Mining and Social Network Analysis at ACM SIGKDD, San Jose, California (S. 56-65). New York: ACM.Kress, G. R. (2009). Multimodality: a social semiotic approach to contemporary communication. London: Taylor & Francis.Kress, G. R., & van Leeuwen, T. (2001). Multimodal discourse. The modes and media ofcontemporary communication. London: Arnold.Mainka, A. (2010). Twitter: „Gezwitscher“ oder gezielte Informationsvermittlung? Information, Wissenschaft & Praxis, 61(2), 77-82.McEnery, T. (2003). Corpus Linguistics. In: R. Mitkov (Hrsg.), The Oxford Handbook of Computational Linguistics. Oxford Handbooks in Linguistics (S. 448–463). Oxford: Oxford University Press.McEnery, T., & Wilson, A. (1996). Corpus Linguistics. Edinburgh: Edinburgh University Press. Meier, S. (2008). (Bild-)Diskurs im Netz. Konzept und Methode für eine semiotische Diskursanalyse im World Wide Web. Köln: Halem.O’Reilly, T., Milstein, S., & Lang, J. W. (2009). Das Twitter-Buch. Köln: O’Reilly Verlag.Schmölders, C. (1986). Die Kunst des Gesprächs. München: Deutscher Taschenbuchverlag München.Stringhini, G., Kruegel, C., & Vigna, G. (2010). Detecting spammers on social networks. In: Proceedings of the 26th Annual Computer Security Applications Conference on - ACSAC ’10 . Thimm, C., Dang-Anh, M., & Einspänner, J. (2011). Diskurssystem Twitter: Semiotische und handlungstheoretische Perspektiven. In: M. Anastasiadis & C. Thimm (Hrsg.), Social Media – Theorie und Praxis digitaler Sozialität (S. 265-286). Frankfurt/New York: Peter Lang (i.Dr.).Weller, K., Dröge, E., & Puschmann, C. (2011). Citation Analysis in Twitter: Approaches for Defining and Measuring Information Flows within Tweets during Scientific Conferences. In: M. Rowe, M. Stankovic, A. Dadzie, & M. Hardey (Hrsg.), CEUR Workshop Proceedings Vol. 718. (S. 1-12). Crete, Greece.Zappavigna, M. (2011). Ambient affiliation: A linguistic perspective on Twitter. New Media & Society, 13(5), 788 -806.Bilder:http://www.flickr.com/photos/matthamm/3383916444/http://kfolta.blogspot.com/2010/12/scintillating-dinner-conversations.htmlTwittertoaster: http://twitoaster.com/