Navigation überspringen
Universitätsbibliothek Heidelberg
Standort: ---
Exemplare: ---
 Online-Ressource
Verfasst von:Siegel, Melanie [VerfasserIn]   i
 Alexa, Melpomeni [VerfasserIn]   i
Titel:Sentiment-Analyse deutschsprachiger Meinungsäußerungen
Titelzusatz:Grundlagen, Methoden und praktische Umsetzung
Verf.angabe:von Melanie Siegel, Melpomeni Alexa
Ausgabe:1st ed. 2020.
Verlagsort:Wiesbaden
 Wiesbaden
Verlag:Springer Fachmedien Wiesbaden
 Imprint: Springer Vieweg
E-Jahr:2020
Jahr:2020.
 2020.
Umfang:1 Online-Ressource(VII, 132 S. 14 Abb., 8 Abb. in Farbe.)
Gesamttitel/Reihe:Springer eBook Collection
ISBN:978-3-658-29699-5
Abstract:Einleitung -- Sentiment Retrieval – Meinungsäußerungen identifizieren -- Polarität: Dokumente klassifizieren -- Wörter in der Sentiment-Analyse -- Sentiment-Analyse auf Satzebene -- Was bewertet wird: Aspekte identifizieren -- Ironie -- Analyse politischer Trends -- Opinion Spam -- Erkennung und Klassifikation von Aggression in Meinungsäußerungen -- Sentiment-Analyse im Unternehmenskontext und Softwarelösungen im Markt.
 Der Zugang zu Information ist durch das Internet erheblich verändert und erleichtert worden. Gleichzeitig gibt es seit dem Web 2.0 die Möglichkeit für alle Internet-Nutzer, selbst Inhalte beizusteuern, indem sie in Foren schreiben, oder Twitter, Xing, LinkedIn, Facebook oder andere soziale Medien nutzen und auf veröffentliche Posts z. B. durch Kommentare reagieren. Diese Fülle an Informationen und Meinungen ist ein wertvoller und in der Regel sehr großer Datenschatz, den man nur mit automatischen Verfahren sinnvoll nutzen kann. Die automatische Analyse von Meinungsäußerungen gehört in die Anwendungsbereiche Informationsextraktion und Inhaltsanalyse sowie Text Mining. Aus Texten von Internet-Nutzern werden Informationen extrahiert und analysiert, wie sie sich zu bestimmten Themen, Produkten oder Ereignissen äußern. Dieses Buch gibt eine systematische Einführung in Methoden der automatischen Analyse von Meinungsäußerungen und zeigt die Anwendung der beschriebenen Methoden in Programmierübungen. Der Fokus liegt dabei auf deutschsprachige Daten, also auf linguistischen Ressourcen sowie Methoden zur automatischen Analyse für die deutsche Sprache. Viele Übungsaufgaben sowie in Python implementierte Programmierbeispiele und -aufgaben machen das Buch zum optimalen Begleiter für Studium und Selbststudium. Der Inhalt Einleitung Sentiment Retrieval – Meinungsäußerungen identifizieren Polarität: Dokumente klassifizieren Wörter in der Sentiment-Analyse Sentiment-Analyse auf Satzebene Was bewertet wird: Aspekte identifizieren Ironie Analyse politischer Trends Opinion Spam Erkennung und Klassifikation von Aggression in Meinungsäußerungen Sentiment-Analyse im Unternehmenskontext und Softwarelösungen im Markt Die Autorinnen Melanie Siegel ist Professorin an der Hochschule Darmstadt und unterrichtet dort Verfahren zur automatischen Analyse von Sprache im Fachgebiet Information Science. Melpomeni Alexa ist Professorin an der Hochschule Darmstadt und unterrichtet dort sowohl über die Methoden als auch den Einsatz von Tools für Online Monitoring, Sentiment-Analyse/Opinion Mining, Social Listening im Fachgebiet Onlinekommunikation.
DOI:doi:10.1007/978-3-658-29699-5
URL:Resolving-System: https://doi.org/10.1007/978-3-658-29699-5
 DOI: https://doi.org/10.1007/978-3-658-29699-5
Schlagwörter:(s)Deutsch   i / (s)Automatische Sprachanalyse   i / (s)Information Extraction   i / (s)Text Mining   i / (s)Natürliche Sprache   i / (s)Sprachdaten   i / (s)Python <Programmiersprache>   i / (s)Social Media   i / (s)Meinungsäußerung   i
Datenträger:Online-Ressource
Dokumenttyp:Lehrbuch
Sprache:ger
Bibliogr. Hinweis:Erscheint auch als : Druck-Ausgabe: Siegel, Melanie, 1965 - : Sentiment-Analyse deutschsprachiger Meinungsäußerungen. - Wiesbaden : Springer Vieweg, 2020. - VII, 131 Seiten
K10plus-PPN:1726033511
 
 
Lokale URL UB: Zum Volltext

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/68623039   QR-Code

zum Seitenanfang