Opinion Mining. Herausforderungen und Anwendung in der Politik

Transkript

1 Opinion Mining Herausforderungen und Anwendung in der Politik S e m i n a r a r b e i t an der Otto-Friedrich-Universität Bamberg Professur für Angewandte Informatik insb. Kognitive Systeme Fakultät Wirtschaftsinformatik und Angewandte Informatik vorgelegt bei Prof. Dr. Ute Schmid Feldkirchenstraße Bamberg vorgelegt von Umut Yilmaz Jaspisstein Hof Bamberg, 28. September 2011

2 INHALTSVERZEICHNIS Inhaltsverzeichnis Abbildungsverzeichnis... III 1. Einleitung Zielsetzung Vorgehensweise Grundlegende Methoden Text Mining Definition von Text Mining Methoden von Text Mining Opinion Mining Definition von Opinion Mining Sentiment Klassifikation Klassifikation der Subjektivität Herausforderungen von Opinion Mining Anwendung in der Politik Anwendungsbeispiel Fazit Literaturverzeichnis... IV Eidesstattliche Erklärung... V II

3 ABBILDUNGSVERZEICHNIS Abbildungsverzeichnis Abb. 1: Ausgabe von "Twitter Sentiment" III

4 EINLEITUNG 1. Einleitung Ein wichtiger Grund weshalb Texte analysiert werden, ist um herauszufinden was andere Menschen über einen bestimmten Sachverhalt denken. Mit der wachsenden Verfügbarkeit und Popularität von öffentlichen Meinungsäußerungen wie z. B. Leitartikel, Websites, Blogs etc. ergeben sich neue Chancen und Herausforderungen wie man diese Informationen mit Hilfe von Text- und Opinion Mining auswertet und Meinungen herausfiltert. (Pang & Lee 2008, S. 1) Textuelle Informationen können dabei in zwei Kategorien eingeteilt werden: Fakten und Meinungen. Fakten sind objektive Äußerungen über Objekte, Ereignisse und deren Eigenschaften, d. h. es handelt sich bei Fakten um nachweisbare Tatsachen. Meinungen hingegen sind in der Regel subjektive Ausdrücke, welche persönliche Einstellungen, Gefühle, Einschätzungen gegenüber Ereignissen und/oder Objekte beschreiben. (Liu 2010, S. 1) 1.1. Zielsetzung In der vorliegenden Arbeit wird das Text- und Opinion Mining theoretisch aufgearbeitet und darüber hinaus die nachfolgenden Leitfragen beantwortet. Ziel der Arbeit ist es, die Herausforderungen und Unterschiede von Opinion Mining im Gegensatz zur Text Mining auszuarbeiten und die Anwendung in der Politik aufzuzeigen. Leitfrage 1: Welche Herausforderungen existieren bei Anwendung von Opinion Mining Techniken? Es werden verschiedene Methoden bzw. Techniken von Text Mining und Opinion Mining aufgearbeitet, um anschließend die Herausforderungen herauszukristallisieren. Leitfrage 2: Wie kann Opinion Mining in der Politik angewendet werden? Es wird gezeigt, wie Meinungsumfragen bzw. Volksbefragungen in der Politik auf Kommunikationsplattformen wie z. B. Twitter mit Hilfe von Opinion Mining durchgeführt werden können. 1

5 EINLEITUNG 1.2. Vorgehensweise Zunächst wird im zweiten Kapitel die theoretischen Grundlagen des Text Mining und Opinion Mining erklärt. Dazu zählen zum einen die Erläuterung der Definitionen und zum anderen die Erklärung der Methoden der einzelnen Analyseverfahren. Im Anschluss daran, werden die Unterschiede und Herausforderungen näher dargestellt. Im dritten Kapitel wird die mögliche Anwendung von Opinion Mining in der Politik dargestellt. Zum besseren Verständnis wird im vierten Kapitel ein Anwendungsbeispiel aufgezeigt. 2

6 GRUNDLAGEN 2. Grundlegende Methoden Im folgenden Kapitel werden die Grundlagen und Herausforderungen der Analyseverfahren erläutert Text Mining Text ist ein bedeutender Wissensrohstoff, der im Zeitalter des Internet in großen Mengen in digitaler Form zur Verfügung steht. (Heyer et al. 2006, S. 1) Text Mining ermöglicht das in den Texten enthaltene Wissen zu strukturieren und zu extrahieren Definition von Text Mining Text Mining beschäftigt sich mit der maschinell unterstützten Analyse von Texten, um neue, relevante und nützliche Informationen bzw. Zusammenhänge zu extrahieren. Dabei basiert Text Mining auf Methoden von Data Mining, maschinelles Lernen und Statistik. Der Unterschied zu Data Mining ist, dass die Daten nicht wie in einer Datenbank strukturiert sind, sondern in unstrukturierte Form vorliegen. (Feldman & Dagan 1995, S ) Hotho et al. (2005, S. 22f) differenzieren zwischen drei Text Mining Definitionen, welche sich jeweils auf einen bestimmten Forschungsgebiet beziehen: Text Mining als Informationsextraktion. Bei diesem Ansatz wird davon ausgegangen, dass sich Text Mining mit der Extraktion von Informationen bzw. Fakten aus Texten beschäftigt. Text Mining als Text Data Mining. Text Mining kann ähnlich wie bei Data Mining als eine Anwendung von Algorithmen und Methoden auf Daten, mit dem Ziel nützliche Muster in Texten zu finden (Mustererkennung), definiert werden. Dazu ist es jedoch eine Vorbearbeitung der Texte notwendig. Die Vorbearbeitung beinhaltet die Extraktion von Daten, um im Nachhinein Data Mining-Algorithmen auf diese anwenden zu können. Text Mining als KDD Prozess. Der dritte Ansatz definiert Text Mining als ein Prozess mit einer Reihe von Teilschritten unter anderem auch die Extraktion von Informationen sowie der Einsatz von Data Mining oder statistische Verfahren. 3

7 GRUNDLAGEN Methoden von Text Mining In der vorliegenden Arbeit wird Text Mining als KDD Prozess verstanden. Der Fokus liegt dabei auf Methoden, welche nützliche Muster aus Texten erkennen, um diese gegeben falls zu kategorisieren oder zu strukturieren. Der Hauptgrund für den Einsatz der Methoden ist die Transformierung der unstrukturierten Texte in strukturierte Daten. Zu den Methoden zählen die Verschlüsselung, Klassifizierung und das Clustering (Hotho et al. 2005, S. 24ff). Verschlüsselung Die Verschlüsselung ist als die Vorbearbeitung von Texten zu verstehen. Dazu werden zunächst Filter-, Lemmatisierungs- und Stemmingmethoden eingesetzt, um die Anzahl der Wörter zu reduzieren. Die Filtermethode entfernt Wörter, die wenig oder gar keine nützliche Informationen tragen. Dazu zählen beispielsweise Artikel, Konjunktionen, Präpositionen etc. Bei der Lemmatisierungsmethode werden Wortformen wie z. B. Verben versucht auf Ihre Grundform zu beschränken. Dies erfordert allerdings das Nachschlagen in elektronischen Wörterbüchern. Die Stemmingmethode führt verschiedene Varianten eines Wortes auf den gemeinsamen Wortstamm zurück. Die Idee dabei ist, in verschiedenen Durchgängen unterschiedliche Suffixe zu entfernen. Die bekannteste und verbreiteteste Stemmingmethode ist das Porter Stemmer, jedoch ist es nur für die englische Sprache anwendbar. Eine weitere Methode die Anzahl der Wörter zu vermindern, ist die Indizierung bzw. Keyword-Auswahl. In diesem Fall dienen nur die ausgewählten Keywords zur Beschreibung der Dokumente. Klassifizierung Die Klassifizierung von Texten zielt auf die Zuordnung von Textdokumenten auf vordefinierte Klassen ab. Ein Beispiel wäre die automatische Beschriftung von Textdokumenten mit spezifischen Themen wie z. B. Sport, Politik, Film etc. Dazu werden häufig Naïve Bayes, Support Vector Machine, Nearest Neighbor und Decision Trees verwendet. Bei der Naïve Bayes Klassifizierer wird jedes Dokument einer Klasse zugeordnet, zu dem es mit der größten Wahrscheinlichkeit gehört. Das Support Vector Machine ist auch ein Klassifikator, welche die Objekte im Vektorraum in Klassen unterteilt. Der Nearest Neighbor Klassifizierer vergleicht die Zahl der gemeinsamen Wörter in Dokumenten. Bei einer hohen Übereinstimmung werden die Dokumente zu einer Klasse zusammengefasst, obwohl diese Dokumente inhaltlich unterschiedlich sein können. Der Entscheidungsbaum-Klassifizierer erzeugt einen Baum von Regeln mit einer Zuordnung der Klassen in den Blättern. In Data Mining sind Entscheidungsbäume ein Standardtool, jedoch ergeben sich in Text Mining Nachteile im Bezug auf die endgülti- 4

8 GRUNDLAGEN ge Entscheidung, da diese nur von relativ wenigen Begriffen abhängig sind. (Hotho et al. 2005, S ) Clustering Clustering-Verfahren werden genutzt, um Dokumente mit ähnlichem Inhalt zu finden und zu gruppieren. Das Ergebnis der Clusteranalyse ist das Bilden von Gruppen, Teilmengen oder Klassen. Jede Gruppe beinhaltet eine bestimmte Anzahl von Objekten bzw. Dokumenten. Dabei sind Objekte eines Clusters untereinander möglichst ähnlich und die Objekte verschiedener Cluster möglichst unähnlich zueinander. Die Qualität des Clustering-Verfahren ist besser, wenn innerhalb der Cluster eine hohe Homogenität und zwischen den Clustern eine hohe Heterogenität herrscht (Hotho et al. 2005, S. 36f). Je nach Problemstellung sollte ein adäquates Ähnlichkeitsmaß wie z. B. Länge, Wortformen, Fachgebiet etc. gewählt werden. Darüber hinaus lassen sich Clustering- Algorithmen in hierarchische und nicht-hierarchische Verfahren unterteilen. Bei den nicht-hierarchischen Verfahren wird eine vorgegebene Startposition sukzessive verbessert bis ein Optimum erreicht wird. Das hierarchische Verfahren unterteilt sich in agglomerative und divisive Verfahren. Bei den agglomerativen Verfahren ist am Anfang jedes Objekt ein Cluster. Mit jedem weiterem Schritt werden die Elemente, welche zueinander ähnlich sind zusammengefasst, bis es ein Cluster mit allen Elementen gibt. Das divisive Verfahren ist die Umkehrung vom agglomerativen Verfahren. (Heyer et al. 2006, S. 196ff) 2.2. Opinion Mining Im Gegensatz zur Text Mining liegt der Fokus beim Opinion Mining auf der Analyse der in Texten enthaltenen Meinungen. Der Unterschied zwischen Text und Data Mining ist, dass Text Mining sich mit der Extraktion von Informationen aus Texten und Data Mining aus Datenbanken beschäftigt. Opinion Mining ist dahingegen eine Erweiterung des Text Mining, welches sich mit der Extraktion von Meinungen aus Texten auseinander setzt Definition von Opinion Mining Opinion Mining wird von Liu (S. 1) wie folgt definiert: Given a set of evaluative text documents D that contain opinions (or sentiments) about an object, opinion mining aims to extract attributes and components of the object that have been commented on in each document d D and to determine whether the comments are positive, negative or neutral. 5

9 GRUNDLAGEN Das Hauptanliegen des Opinion Mining ist die semantische Ausrichtung von Texten zu bestimmen. Dabei geht es hauptsächlich um die Bestimmung der Polaritäten von Wörtern, d. h. ob diese positiv, negativ oder neutral behaftet sind. Jedoch können durch die vergebenen Polaritäten Probleme auftreten. Liu (2010, S. 3) verwendet für die Veranschaulichung des Problems das folgende Beispiel: (1) I bought an iphone a few days ago. (2) It was such a nice phone. (3) The touch screen was really cool. (4) The voice quality was clear too. (5) Although the battery life was not long, that is ok for me. (6) However, my mother was mad with me as I did not tell her before I bought it. (7) She also thought the phone was too expensive, and wanted me to return it to the shop. Die Zentrale Fragstellung bei der Sentimentanalyse ist, was man aus Texten extrahieren möchte. Dieser kurze Abschnitt beinhaltet einige Meinungen. Die Sätze (2), (3) und (4) bringen positive Meinungen zum Ausdruck, wohingegen die Sätze (5), (6) und (7) negative Gefühle bzw. Meinungen ausdrücken. Die ganzen Meinungen haben Objekte, auf denen diese Ausdrücke sich beziehen. Die Meinungsäußerung im Satz (2) bezieht sich als Ganzes auf das iphone und die Meinungen in den Sätzen (3), (4), (5) und (7) beziehen sich auf den Touchscreen, Sprechqualität, Batterie und Preis des iphones. Wohingegen die Meinung im Satz (6) sich auf das me und sich nicht auf das iphone bezieht. Dies ist ein wichtiger Punkt beim Opinion Mining. In einer Anwendung von Opinion Mining kann der User Meinungen für ein bestimmtes Objekt, aber nicht für alle Objekte (wie z. B. me ) extrahieren. Ferner können auch die Inhaber der Quellen festgestellt werden. Die Inhaber der Meinungen von den Sätzen (2) bis (5) ist der Autor I und in den Sätzen (6) und (7) ist es my mother. Auf Basis dieses Beispiel ist es sinnvoll Objekte, Meinungen und Meinungsinhaber voneinander zu differenzieren Sentiment Klassifikation Mit Hilfe der Sentiment Klassifikation werden Meinungstexte den Kategorien positiv oder negativ zugeordnet. Jedoch können Details über die Vorlieben bzw. Abneigungen des Autors nicht enthüllt werden. Liu (S. 4) definiert die Sentiment Klassifikation wie folgt: Given a set of evaluative documents D, it determines whether each document d D expresses a positive or negative opinion (or sentiment) on an object. Dabei wird ein einzelnes Objekt mit dessen Meinungen und Meinungsinhabern betrachtet. D.h. die Sentiment Klassifikation bestimmt im Wesentlichen die semantische Ausrichtung einer Meinung bzw. Stellungnahme zu einem Objekt. 6

10 GRUNDLAGEN Im Folgenden werden einige Features der Sentiment Klassifikation betrachtet. Dazu zählen Begriffspräsenz vs. Begriffshäufigkeit, Part-of-Speech, n-gramme und Negation. In der Sentimentanalyse ist es besser sich auf die besonderen Begriffe zu konzentrieren als auf den am meisten gebrauchten Wörtern Wert zu legen. Es mag den Eindruck wecken, dass häufig vorkommende Begriffe einen besseren und informativeren Einblick erwecken als Begriffe die in Dokumenten nur einmal erwähnt wurden. Nach Pang et al. (2002, S. 79ff) können Effizienzsteigerungen erreicht werden, wenn man statt der Begriffshäufigkeit die Begriffspräsenz verwendet. Part-of -Speech-Informationen werden übelicherweise im Opinion Mining eingesetzt. Ein einfacher Grund hierfür ist die generelle Textanalyse, da Part-of-Speech als eine grobe Form der Wortsinnbegriffserklärung (Zuordnung von Wörtern eines Textes zu Wortarten) gesehen werden kann (Wilks & Steveson 1998, S. 135ff). Ein Ansatz war nach Hatzivassiloglou & Wiebe sich auf die Adjektive zu konzentrieren, da eine hohe Korrelation zwischen dem Vorhandensein von Adjektiven und der Subjektivität aufzufinden war. Ein weiterer Ansatz war, anstatt sich auf die isolierten Adjektive zu konzentrieren, die Dokumentstimmung mittels ausgewählter Phrasen zu bestimmen. Diese Phrasen werden durch eine Nummer von vorgegebenem Part-of-Speech-Muster ausgewählt, welche meist ein Adverb sowie ein Adjektiv enthalten (Turney 2002, S. 417ff). Die jeweilige Position eines Begriffs im Dokument ist ein weiteres wichtiges Merkmal in der Sentimentanalyse. Dabei ist es wichtig die genaue Position herauszufinden, da die Position eines Begriffs in einem Texte möglicherweise einen direkten Einfluss auf die allgemeine Bewertung oder die subjektive Aussage nehmen kann. Dabei ist es vom jeweiligen Einsatzgebiet abhängig, welche Arten von n-grammen (Zerlegung von Texten in einzelne Fragmente) sich nun hinsichtlich der Sentimentanalyse am nützlichsten erweisen. Nach Pang et al. sind Unigramme effizienter als Bigramme, wenn es um die Klassifikation von Meinungen bei Filmkritiken geht. Negationen spielen bei der Sentimentanalyse eine wichtige Rolle. Der Vergleich der beiden Aussagen Ich mag dieses Buch und Ich mag dieses Buch nicht zeigt, dass beide Aussagen sich sehr ähnlich sind, aber durch das hinzunehmen von Negationswörtern wie z. B. nicht genau das Gegenteil bedeuten. Die Negation ist eine häufig auftretende Sprachtechnik, welche die Polarität sehr stark beeinflussen kann und muss deshalb unbedingt beim Opinion Mining beachtet werden. (Pang & Lee 2008, S. 22) 7

11 GRUNDLAGEN Klassifikation der Subjektivität Die Aufgabe der Subjektivitätsanalyse ist es herauszufinden, ob (1) ein Textabschnitt positive oder negative Meinungen zum Ausdruck bringt und/oder (2) ob es sich um einen subjektiven oder objektiven Textabschnitt handelt. Das erste Themenfeld zielt darauf ab, die Meinung des Autors in einem eigensinnigen Text herauszufinden. Im zweiten Themenfeld wird untersucht, ob ein Dokument die Meinung des Autors wiederspiegelt oder ob es sich um einen Bericht über Fakten handelt. Falls es sich um einen subjektiven Textabschnitt handelt, wird die Polarität (positive, negative oder neutrale Meinung) untersucht. (Liu 2010, S. 2) 2.3. Herausforderungen von Opinion Mining Im Folgenden wird zunächst der Kontrast zwischen Text Mining und Opinion Mining aufgezeigt und anschließend die Schwierigkeiten von Opinion Mining näher dargestellt. Der Hauptunterschied zwischen den Analyseverfahren ist, dass Text Mining Dokumente nach Fakten untersucht und diese in Kategorien zuordnet, wohingegen das Opinion Mining Textabschnitte nach Meinung untersucht und diese ebenfalls in Kategorien einordnet. Jedoch ist die Anzahl der Kategorien bei Text Mining (z. B. Sport, Politk etc.) wesentlich mehr als bei Opinion Mining (z. B. negativ, positiv ). (Pang & Lee 2008, S. 11) Ein Problem der Opinion Mining ist die positive oder negative Grundstimmung des Autors bei einigen Ausdrucksweisen (z. B. Ironie, Negation, Übertreibung) zu bestimmen. Beispielsatz (von Mark Twain): Jane Austen s books madden me so that I can t conceal my frenzy from the reader. Das Thema dieses Textabschnittes kann durch den Ausdruck Jane Austen identifiziert werden. Hinter den Wörtern madden und frenzy steckt eine negative Deutung, weshalb der ganze Textabschnitt als eine negative Beurteilung von Jane Austen betrachtet wird. Eine weitere Schwierigkeit ist die Kontextsensitivität, dies bedeutet, dass Gefühle und Meinungen ganz kontext- und domainabhängig sind. Dabei können exakt gleiche Ausdrücke unterschiedliche Gefühle, Meinungen bzw. Polaritäten in verschiedenen Bereichen ausdrücken, z. B. lese das Buch zeigt bei Buchbewertungen höchstwahrscheinlich eine positive und bei Filmbewertungen eine negative Polarität. 8

12 ANWENDUNG IN DER POLITIK 3. Anwendung in der Politik Im folgenden Kapitel wird nach O Connor et al. (2010) die Anwendung von Opinion Mining beschrieben, indem aus Twitter-Einträgen Ergebnisse von politischen Meinungsumfragen generiert werden. If we want to know, say, the extent to which the U.S. population likes or dislikes Barack Obama, an obvious thing to do is to ask a random sample of people (i.e., poll). (O Connor et al. 2010, S. 1) Es gibt zahlreiche Tools und Techniken, um die öffentliche Meinung repräsentativ zu messen. Jedoch kann durch den enormen Anstieg von Sozialen Netzwerken bzw. Kommunikationsplattformen, welche von Millionen Menschen persönliche Gedanken und Meinungen (in Textform) zu unterschiedlichen Themen beinhalten, und durch die Anwendung von Opinion Mining auf diese Daten im Gegensatz zu klassischen Befragungen wie z. B. Telefonumfragen viel Zeit und Geld gespart werden. Dabei stellt Twitter eine Kommunikationsplattform dar. Twitter ist ein sehr beliebter Mikroblogging- Service, indem die User sehr kurze Nachrichten posten. Dabei beinhaltet eine Nachricht höchstens 140 Zeichen und im Durchschnitt 11 Wörter. Da die meisten Twitter- User in den Vereinigten Staaten leben, wurden nur die englischen Nachrichten berücksichtigt. (O Connor et al. 2010, S. 1) Für die politische Meinung wurden zwei Themen für die Umfragen verwendet. Die erste beschreibt die Zustimmungsrate für Barack Obama im Laufe des Jahres 2009, die zweite sind Umfragen während der US-Präsidentschaftswahlen 2008, ob die Befragten für Barack Obama oder John McCain zustimmen würden. Die Analyse der Nachrichten bzw. Textabschnitte beinhaltet dabei zwei Aufgaben. Zuerst werden die Nachrichten aufgerufen, welche einen Bezug zum Thema haben. Dies wurde durch bestimmte Schlüsselwörter ermittelt z. B. Nachrichten, indem das Schlüsselwort obama wurden als Präsidentschaftszustimmung (Thema 1) und mit obama und mccain als Präsidentschaftswahlen kategorisiert. Danach wird die Meinung in den jeweiligen Textabschnitt bestimmt. Dabei wird festgestellt, ob die Meldung eine ausdrücklich positive oder negative Meinung über das Themafeld beinhaltet. Dies wurde durch die Subjektivität-Lexikon von OpinionFinder, indem Wörter als positiv oder negativ deklariert sind, ermittelt. Eine Nachricht wird als positiv definiert, wenn es beliebig viele positive Wörter und negativ, wenn es beliebig viele negative Wörter beinhaltet. Dies ermöglicht, dass eine Nachricht sowohl negativ als auch positiv sein kann. (O Connor et al. 2010, S. 4ff) 9

13 ANWENDUNG IN DER POLITIK Die Studie von O Connor et al. zeigt, dass die Twitter-Umfrage die herkömmlichen Umfragen ersetzen könnten. Dennoch sollte man die Ergebnisse mit Vorsicht genießen, da es noch einige Verbesserungen z. B. in den Bereichen Smilies oder Social- Media-Dialekt nötig sind. Es ist aber trotzdem erstaunlich, wie teure und zeitintensive Umfragen durch die einfache Extraktion von Daten aus Sozialen Netzwerken ersetzt werden könnten. 10

14 ANWENDUNGSBEISPIEL 4. Anwendungsbeispiel Im Folgenden wird als Beispiel das Tool Twitter Sentiment verwendet. Twitter Sentiment ermöglicht die automatische Klassifizierung eingegebenen Schlagwörtern. Die Schlagwörter werden in Twitter-Nachrichten gesucht und anhand der Meinung des Twitter-Users in positive oder negative Klassen eingeteilt. Das Tool kann für Markenpositionierungen, Umfragen und Einkaufsplanungen genutzt werden. Der Unterschied zu anderen Website-Tools ist, dass die Funktionsweise von Twitter Sentiment auf Basis von Algorithmen des maschinelles Lernens wie z. B. Naïve Bayes und Support Vector Machine aufgebaut ist und nicht auf das einfachen Suche von Schlüsselwörtern. Zusätzlich werden für die Analyse Merkmalextraktoren wie Unigramme und Bigramme mit Part-of-Speech-Tags verwendet. (Go et al. S. 2) Im Folgenden werden die Schritte der Analyse grob erläutert. 1. Schritt: Zuerst werden die im Tweet enthaltenen Wörter strukturiert hinterlegt bzw. tokenisiert. Beispiel: Angela Merkel ist seit 2005 deutsche Bundeskanzlerin gute Leistung! {Angela, Merkel, ist, seit, 2005, deutsche, Bundeskanzlerin,, gute, Leistung,!} 2. Schritt: Anschließend werden die Tokens normalisiert, d. h. Sonderzeichen, Usernamen, URLs, wiederholte Buschstaben, Zahlen etc. entfernt. {Angela, Merkel, ist, seit, deutsche, Bundeskanzlerin, gute, Leistung} 3. Schritt: Die Tokens werden in mögliche n-gramme zerlegt. (hier: n=1 8) n=2: {Angela Merkel, Merkel ist, ist seit, seit deutsche, deutsche Bundeskanzlerin, Bundeskanzlerin gute, gute Leistung} 4. Schritt: Im letzten Schritt werden die Tokens anhand von Trainingsdaten klassifiziert. 11

15 ANWENDUNGSBEISPIEL Im folgenden Beispiel wird die politische Meinung von Twitter-Usern zum Thema Papst Benedikt XVI im Bundestag mit Hilfe des Twitter Sentiment-Tools ( aufgezeigt. Dafür werden die Schlagwörter Pope und Bundestag verwendet. Abb. 1: Ausgabe von "Twitter Sentiment" 12

16 FAZIT 5. Fazit In dieser Arbeit wurden die Herausforderungen von Opinion Mining im Gegensatz zur Text Mining aufgearbeitet und die Anwendung von Opinion Mining in der Politik in Form von Meinungsumfragen aufgezeigt. Es wurde verdeutlicht, dass etliche Verbesserungen im Bereich von Opinion Mining nötig sind, besonders in den Themengebieten Ironie, Social-Media-Dialekt und Übertreibungen. Ferner wurde aufgezeigt, dass teure und zeitintensive Umfragen für Wahlkämpfe durch Analyse von Weblogs ersetzt werden könnten. In den Bereichen Produktbewertung, Markenpositionierung und Umfragen wird sich das Internet als Informationsquelle weiterhin vertiefen. Unternehmen können sich einfacher, schneller und günstiger tausende Meinungen über Ihre Produkte aggregiert beschaffen. Potenzielle Käufer müssen nicht hunderte von Produktbewertungen lesen, sondern können ebenfalls zusammengefasste Meinungen zu Produkten anschauen. Bei Wahlkämpfen können Kandidaten die Meinungen, insbesondere von jungen Wählern, extrahieren und wenn nötig darauf schnell reagieren. 13

17 LITERATURVERZEICHNIS Literaturverzeichnis Fayyad et al Fayyad UM., Piatetsky-Shapiro G., Smyth P (1996). Knowledge discovery and data mining: Towards a unifying framework. In Knowledge Discovery and Data Mining. Go et al. Feldman & Dagan 1995 Heyer et al Hatzivassiloglou & Wiebe Hotho et al Liu Liu 2010 O Connor et al Pang et al Pang & Lee 2008 Turney 2002 Wilks & Steveson 1998 Go A, Bhayani R, Huang Lei. Twitter Sentiment Classification using Distant Supervision. Feldman R & Dagan I (1995). Kdt - knowledge discovery in texts Heyer G, Quasthoff U, Witting T (2006). Text Mining: Wissensrohstoff Text. W3L, Bochum Hatzivassiloglou V & Wiebe J (2000). Effects of adjective orientation and gradability on sentence subjectivity. In Proceedings of the International Conference on Computational Linguistics. Hotho A, Nürnberger A, Paaß G (2005). A Brief Survey of Text Mining Liu B. Opinion Mining. Abruf am Liu B (2010). Sentiment Analysis and Subjectivity. Handbook of Natural Language Processing, Second Edition. O Conner B, Balaubramanyan R, Routledge BR, Smith NA (2010). From Tweets to Polls: Linking Text Sentiment to Public Opinion Time Series. Pang B, Lee L, Vaithyanathan S (2002). Thumbs up? Sentiment classification using machine learning techniques. Pang B & Lee L (2008). Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval Turney P (2002). Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews. In Proceedings of the Association for Computational Linguistics (ACL) Wilks Y and Stevenson M (1998). The grammar of sense: Using part-of-speech tags as a first step in semantic disambiguation. Journal of Natural Language Engineering IV

18 EIDESSTATTLICHE ERKLÄRUNG Eidesstattliche Erklärung Ich erkläre hiermit gemäß 17 der Prüfungsordnung für den Masterstudiengang Wirtschaftsinformatik, dass ich die vorstehende Arbeit selbstständig verfasst und keine anderen als die angegebenen Quellen und Hilfsmittel benutzt habe. Bamberg, Yilmaz Umut V