Volltext-Downloads (blau) und Frontdoor-Views (grau)
  • search hit 16 of 93
Back to Result List

Topic Modellierung zur Analyse von Produktfeedback-Dokumenten

  • Automatisierte Analyse von Review-Daten beschäftigt sich mit den Möglichkeiten, freien Text zu analysieren und relevante Informationen daraus zu extrahieren. Die Arbeit setzt sich dabei mit Methoden des unüberwachten Lernens auseinander. Hierbei steht die Methode der Topic Modellierung im Mittelpunkt. Es werden Verfahren betrachtet, die im Bereich der textbasierten Informationsgewinnung bekannt sind. Latent Semantic Indexing LSI, (probabilistic) pLSI und Latent Dirichlet Allocation (LDA) werden erläutert und verglichen. Die Arbeit zeigt, wie LDA genutzt wurde, um einen nhaltlichen Überblick über einen Datenkorpus von 1 Mio. Reviews zu bekommen und diesen auf einen feineren Detailgrad zu betrachten. Die Topic-basierte Analyse wird genutzt, um Erkentnisse für ein Opinion Mining System zu generieren, welches eine tiefergehende Analyse vornehmen wird. Der gesamte Prozess ist als vollständig automatisiert und maschinell unüberwacht konzeptioniert.

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author of HS ReutlingenMüller-von Fischer, Armin
ISBN:978-3-00-057955-4
Erschienen in:Wissenschaftliche Vertiefungskonferenz HuC - Design the Future : Informatik-Konferenz an der Hochschule Reutlingen, 22. November 2017
Publisher:Hochschule Reutlingen
Place of publication:Reutlingen
Editor:Uwe KloosORCiD
Document Type:Conference proceeding
Language:German
Publication year:2017
Tag:Information Retrieval (IR); Natural Language Processing (NLP); Topic Modellierung
Page Number:12
First Page:57
Last Page:68
PPN:Im Katalog der Hochschule Reutlingen ansehen
DDC classes:004 Informatik
Open access?:Nein