Volltext-Downloads (blau) und Frontdoor-Views (grau)
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 4 of 11
Back to Result List

Merkmalsbasiertes Opinion Mining anhand von Nutzerbewertungen in Onlineportalen

  • Die vorliegende Arbeit beschäftigt 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 möglich ist. Ein weiteres Ziel ist es die von den Kunden geäußerte Meinung bezüglich der genannten Merkmale zu analysieren. Mit dem Wissen aus dem Fazit dieser Arbeit soll es möglich sein eine Zusammenfassung der bewerteten Merkmale von Bewertungstexten sowie der zugehörigen Stimmungen zu erstellen. Eine solche Zusammenfassung dient dem Zweck sowohl potenziellen Käufern, als auch den Herstellern der Produkte einen Überblick über die geäußerten 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 häufigsten Nomen. Dessen Ergebnisse werden als Referenz für 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. Zunächst werden Bewertungsdaten aus einem Onlineportal extrahiert und vorverarbeitet. Für die Merkmalsextraktion mittels häufigster Nomen werden die Daten Partof- Speech annotiert und es wird diskutiert, wie aus den auf diese Weise gefundenen häufigsten Nomen tatsächliche Merkmale herausgefiltert werden können. Bei Merkmalsextraktion mit Word2Vec wird eine manuell erstellte Liste von Merkmalen mit ähnlichen 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. Für die Merkmalsextraktion wird hierbei die Word2Vec Methode genutzt. Sowohl die Ergebnisse der Merkmalsextraktion als auch der Stimmungsanalyse werden von zwei unabhängigen Nutzergruppen bewertet. Im Anschluss werden die Resultate der Nutzerbewertung diskutiert.
  • This thesis addresses the automation of feature extraction and sentiment analysis on the extracted features of product reviews in online shops. The focus is on feature extraction. The aim of this thesis is to investigate whether the automated extraction of product features, which have been rated by customers out of a review text, is possible. A further aim is to analyse the sentiment expressed by the customers regarding the aforementioned features. With the knowledge gained from this work it should be possible to create a summary of the mentioned product features, as well as the associated sentiments. The purpose of such a summary is to give both the potential customers and the manufacturers of the products an overview of the expressed sentiments on the recognized features of a product. Two methods are used for feature extraction and the results of both are compared using metrics. The feature extraction using Word2Vec is a new approach. The description and evaluation of this approach form the main part of this thesis. The second approach is the extraction of features by means of common nouns. The results of this approach are used as reference for the newer approach. Both methods have already been used successfully with english review texts. In this thesis both methods are applied to german text reviews of fashion items. First the review data is extracted from an online shop and then preprocessed. For the feature extraction using the most common nouns, the data is part-of-speech annotated and it is discussed how actual features may be filtered from the so found common nouns. For the feature extraction withWord2Vec a manually created list of features is extended with similar terms. At the end of the thesis, a sentiment analysis approach is described, which divides the discovered features into positive, negative and neutral ones, based on word lists with positive or, respectively, negative connotations. Here, the Word2Vec feature extraction method is used. Both the results of the feature extraction and the sentiment analysis are evaluated by two independent user groups. In the following the results of the user evaluations are discussed.

Download full text files

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Christina Schneider
URN:urn:nbn:de:bsz:900-opus4-38223
Referee:Johannes Maucher
Advisor:Walter Kriha, Tobias Kässmann
Document Type:Master's Thesis
Language:German
Year of Completion:2015
Granting Institution:Hochschule der Medien
Date of final exam:2015/02/27
Release Date:2015/09/25
Page Number:86
Institutes:FB 1: Druck und Medien / Computer Science and Media (Master)
DDC classes:000 Allgemeines, Informatik, Informationswissenschaft / 000 Allgemeines, Wissenschaft
Licence (German):License LogoCreative Commons - Namensnennung, Nicht kommerziell, Keine Bearbeitung 3.0