Vortrag im Rahmen der Vorlesung

Data Warehouse

Dozentin: Prof. Dr. Frey-Luxemburger

WS 2011/2012

Referent: Florian Kalisch (GR09)

2 von 14

Rückblick

Aktueller Status

Opinion Mining ◦ Einführung

◦ Einblicke

Nächste Schritte

DWH | WS 2011/2012 | 20.12.2011

3 von 14

Text-Mining

◦ Grundlage: unstrukturierte bzw. semistrukturierte Daten

◦ Prozess mit Schwerpunkt auf

Dokumentaufbereitung

Morphologische Analyse

Syntaktische Analyse

Semantische Analyse

(Text) Mining Methoden

Klassifikation

DWH | WS 2011/2012 | 20.12.2011

4 von 14

Abgeschlossen

Einarbeitung in die Grundlagen des Opinion-Mining

In Bearbeitung ◦ Aufstellen der Prototyp-Anforderungen

◦ Recherche zu Tools für das Opinion Mining

Nicht begonnen ◦ Auswahl des Tools (der Tools)

◦ Praktische Umsetzung des Prototypen

DWH | WS 2011/2012 | 20.12.2011

5 von 14

Extraktion von Informationen aus dem WWW oder Offline-Dokumenten

Fokus: Analyse der enthaltenen Meinungen

Beginn der Forschung: ◦ Identifikation von Meinungsworten

◦ Zuordnung der semantischen Orientierung (positiv, negativ, neutral) zu den Meinungsworten

DWH | WS 2011/2012 | 20.12.2011

6 von 14

Texte mit Meinungsäußerung können aus drei verschiedenen Perspektiven betrachtet werden

1. Sentiment Klassifikation

2. Eigenschaften-basiertes Opinion Mining

3. Vergleichendes Sentence und Relation Mining

DWH | WS 2011/2012 | 20.12.2011

7 von 14

Sentiment Klassifikation ◦ Opinion Mining als Klassifikationsproblem auf

Dokumenten-Ebene

◦ Zuteilung zur Klasse „positiv“ oder „negativ“

◦ Details (Vorlieben oder Abneigungen) der Rezensenten werden nicht betrachtet

Eigenschaften-basiertes Opinion Mining ◦ Arbeitet auf Satzebene

◦ Ziel ist die Aufdeckung von Details

◦ Beispielsatz: „Der Touchscreen des iPhone ist sehr gut.“

Positive Beurteilung des iPhone Touchscreens

DWH | WS 2011/2012 | 20.12.2011

8 von 14

Vergleichendes Sentence und Relation Mining ◦ Eigenschaften von Objekten (Produkten) werden

gegenübergestellt

◦ Beispielsatz: „Der Touchscreen des iPads ist viel besser als der des Motorola Xoom.“

Zusammenfassend: Identifikation von ◦ subjektiv geäußerten Stimmungen

◦ Polarität und Stärke der Äußerungen

◦ und deren Beziehung zum untersuchten Thema

DWH | WS 2011/2012 | 20.12.2011

9 von 14

„Mannschaft der Herzen“ [MieR11]

◦ Rapid Sentilyzer überwachte die Online-Stimmung während der Fußball-WM 2010

◦ Portallösung für Competitive Intelligence analysierte mehr als 1000 Online-Kanäle

DWH | WS 2011/2012 | 20.12.2011

Quelle: http://www.manageit.de/Online-

Artikel/20100910/20100910f%20Rapid-

i%20Social%20Media%20Monitoring%20-

Dateien/image002.jpg

Quelle: http://www.manageit.de/Online-

Artikel/20100910/20100910f%20Rapid-

i%20Social%20Media%20Monitoring%20-

Dateien/image004.jpg

10 von 14

NetBase: Social Intelligence Platform

Nutzen am Beispiel eines NetBase-Kunden [DarS11]

◦ Griechischer Hersteller für Yoghurt

◦ Aufgedeckt mittels traditioneller BI:

Bestverkaufter Yoghurt-Geschmack ist Vanille

◦ Opinion Mining offenbarte:

Große Begeisterung und Leidenschaft existierte zur Geschmacksrichtung Ananas

◦ Operationale Daten zeigten:

Limitierte Produktion und geringe Verkaufsabdeckung für den Ananas Geschmack

DWH | WS 2011/2012 | 20.12.2011

11 von 14

Fflick: Meinungsbasierte Film-Empfehlungen ◦ auf Grundlage der Meinungen von Freunden [AllG11]

◦ Übernahme durch Google für $10 Mio. [AllG11]

◦ Am 26.01.2011 auf offiziellen Youtube Blog mitgeteilt [RajY11]

DWH | WS 2011/2012 | 20.12.2011

Quelle: http://tctechcrunch.files.wordpress.com/2011/01/fflickshot.png?w=640

12 von 14 DWH | WS 2011/2012 | 20.12.2011

13 von 14 DWH | WS 2011/2012 | 20.12.2011

14 von 14

[AllG11] Allen, J.: Google To Buy Sentiment Analysis Engine, fflick - Search Engine Watch (#SEW). http://searchenginewatch.com/article/2050121/Google-To- Buy-Sentiment-Analysis-Engine-fflick, 19.12.2011.

[DarS11] Darrow, B.: SAP taps NetBase for deep social media analytics. http://gigaom.com/cloud/sap-taps-netbase-for-deep- social-media-analytics/, 19.12.2011.

[HamO10] Hammer, T.: Opinion und Relationship Mining in sozialen Netzwerken. Extraktion von Meinungen und Beziehungen mittels Textmining und sozialer Netzwerkanalyse. VDM Verlag Dr. Müller, 2010.

[InaO10] Ina Kimmling: Opinion Mining, Koblenz, 2010.

[MieR11] Mierswa, I. Dr.: Rapid-i Social Media Monitoring. http://www.manageit.de/Online- Artikel/20100910/20100910f%20Rapid- i%20Social%20Media%20Monitoring%20.htm, 19.12.2011.

[RajY11] Rajaraman, S.: YouTube Blog: Share and share alike: we’ve acquired Fflick. http://youtube- global.blogspot.com/2011/01/share-and-share-like-weve- acquired.html, 19.12.2011.

DWH | WS 2011/2012 | 20.12.2011