@phdthesis{Schneider2015,
  type      = {Master Thesis},
  author    = {Christina Schneider},
  title     = {Merkmalsbasiertes Opinion Mining anhand von Nutzerbewertungen in Onlineportalen},
  url       = {https://nbn-resolving.org/urn:nbn:de:bsz:900-opus4-38223},
  pages     = {86},
  year      = {2015},
  abstract  = {Die vorliegende Arbeit besch{\"a}ftigt sich mit der Automatisierung der Merkmalsextraktion und der Stimmungsanalyse der extrahierten Merkmale in Produktbewertungen von Onlineportalen. Der Fokus liegt dabei auf der Merkmalsextraktion. Ziel dieser Arbeit ist es zu eruieren, ob die automatisierte Extraktion der von Kunden bewerteten Merkmale eines Produktes aus einem Bewertungstext m{\"o}glich ist. Ein weiteres Ziel ist es die von den Kunden ge{\"a}u{\"s}erte Meinung bez{\"u}glich der genannten Merkmale zu analysieren. Mit dem Wissen aus dem Fazit dieser Arbeit soll es m{\"o}glich sein eine Zusammenfassung der bewerteten Merkmale von Bewertungstexten sowie der zugeh{\"o}rigen Stimmungen zu erstellen. Eine solche Zusammenfassung dient dem Zweck sowohl potenziellen K{\"a}ufern, als auch den Herstellern der Produkte einen {\"U}berblick {\"u}ber die ge{\"a}u{\"s}erten Stimmungen zu den erkannten Merkmalen eines Produktes zu verschaffen. Es werden zwei Methoden zur Merkmalsextraktion angewendet und die Resultate anhand von Metriken verglichen. Die Merkmalsextraktion mit Hilfe von Word2Vec ist ein neuer Ansatz. Die Beschreibung und Evaluation dieses Ansatzes bilden den Hauptteil dieser Arbeit. Der zweite Ansatz ist die Extraktion der Merkmale mittels der h{\"a}ufigsten Nomen. Dessen Ergebnisse werden als Referenz f{\"u}r den neueren Ansatz herangezogen. Beide Methoden wurden bereits bei englischsprachigen Bewertungen erfolgreich eingesetzt. In dieser Arbeit werden beide Methoden auf deutschsprachige Bewertungen von Modeartikeln angewendet. Zun{\"a}chst werden Bewertungsdaten aus einem Onlineportal extrahiert und vorverarbeitet. F{\"u}r die Merkmalsextraktion mittels h{\"a}ufigster Nomen werden die Daten Partof- Speech annotiert und es wird diskutiert, wie aus den auf diese Weise gefundenen h{\"a}ufigsten Nomen tats{\"a}chliche Merkmale herausgefiltert werden k{\"o}nnen. Bei Merkmalsextraktion mit Word2Vec wird eine manuell erstellte Liste von Merkmalen mit {\"a}hnlichen Begriffen erweitert. Zum Ende der Arbeit wird eine Stimmungsanalyse beschrieben, welche anhand von Wortlisten mit positiver beziehungsweise negativer Konnotation die gefundenen Merkmale in positive, negative und neutrale Merkmale einteilt. F{\"u}r die Merkmalsextraktion wird hierbei die Word2Vec Methode genutzt. Sowohl die Ergebnisse der Merkmalsextraktion als auch der Stimmungsanalyse werden von zwei unabh{\"a}ngigen Nutzergruppen bewertet. Im Anschluss werden die Resultate der Nutzerbewertung diskutiert.},
  language  = {de}
}