Ausarbeitung Twitter as a Corpus for Sentiment Analysis and Opinion Mining

Größe: px
Ab Seite anzeigen:

Download "Ausarbeitung Twitter as a Corpus for Sentiment Analysis and Opinion Mining"

Transkript

1 Ausarbeitung Twitter as a Corpus for Sentiment Analysis and Opinion Mining Wissenschaftliches Arbeiten (2014) Aufgabe 5 Kai Kühne Beuth Hochschule für Technik Berlin Fachbereich VI Informatik und Medien Berlin, 14. Juni 2014

2 Zusammenfassung. Das vorliegende Dokument beschreibt zunächst die fachlichen Grundlagen, die für das weitere Verständis der zugrundeliegenden Arbeit nötig sind, dort aber entweder kaum oder gar keine Erwähnung fanden. Nach der Erläuterung der Grundlagen folgt eine inhaltliche Zusammenfassung des Textes inklusive Fazit der ursprünglichen Autoren. Das Dokument endet mit einer eigenen Bewertung sowie einem Vergleich mit alternativen Arbeiten. 2

3 1 Fachlicher Hintergrund Die Sentimentanalyse vereint Konzepte aus den Bereichen der Computerlinguistik und des Maschinellen Lernens, um aus Texten ein Stimmungsbild zu extrahieren. In diesem Abschnitt werden die theoretischen Grundlagen der zugrundliegenden Arbeit beschrieben. 1.1 Erstellung eines Klassifikators Das in der Arbeit angewandte Verfahren zur Erstellung eines Klassifikators wird als Überwachtes Lernen bezeichnet. Abbildung 1 veranschaulicht den Vorgang des Überwachten Lernens, der aus zwei Phasen besteht. In Phase 1 wird zunächst durch Training ein Wahrscheinlichkeitsmodell erzeugt. Um ein Wahrscheinlichkeitsmodell trainieren zu können, ist ein im Vorfeld markierter Korpus erforderlich. Ein Korpus ist eine Sammlung von Texten. Bei der Sentimentanalyse üblich sind drei verschiedene Korpora: 1. Ein Korpus, der inhaltlich positive Texte enthält, 2. Ein Korpus, der inhaltlich negative Texte enhtält, 3. Ein Korpus, der inhaltlich objektive Texte enthält. Die Daten in den verschiedenen Korpora werden anschießend aufbereitet und durch verschiedene Verfahren in sogenannte Eigenschaften umgewandelt. Die Eigenschaften werden im nächsten Schritt durch ein Klassifikationsalgorithmus in ein Wahrscheinlichkeitsmodell überführt. In Phase 2 wird das fertige Wahrscheinlichkeitsmodell dazu verwendet die Klasse eines bisher unbekannten Textes zu bestimmen. Da es sich um ein Wahrscheinlichkeitsmodell handelt, ist es durchaus möglich, dass das Ergebnis nicht korrekt ist. Je höher die Klassifikationsgenauigkeit des Modells, desto wahrscheinlicher ist es, dass das Ergebnis korrekt ist. Automatische Erstellung der Korpora Große Korpora mit vielen Texten funktionieren besser als jene mit wenigen Texten (vgl. [Manning1999], S. 587). Ein Problem bei der Erstellung eines Klassifikationssystems ist die Erstellung der markierten Korpora, da die Texte im Korpus manuell analysiert und einer Klasse (positiv, negativ, neutral) zugeordnet werden müssen. Da dieser Vorgang manuell durchgeführt werden muss und deshalb sehr aufwändig ist, ist es sehr sinnvoll die Erstellung des Korpus zu automatisieren. Dabei greift man während der Zusammenstellung der Korpora auf Metadaten und andere Informationen zurück, durch diese die entsprechende Klasse abgeleitet werden kann. Die Autoren beschreiben in ihrer Arbeit eine Methode zur automatischen Erstellung der Korpora durch eine Websuche nach bestimmten Schlüsselworten, wodurch sich die Ergebnisse eindeutig einer bestimmten Klasse zuordnen lassen. Siehe Abschnitt

4 TRAINING Klassifizierter Korpus Datenaufbereitung und Auswahl der Eigenschaften Eigenschaften Klassifikationsalgorithmus PROGNOSE Text Wahrscheinlichkeitsmodell Wahrscheinliche Klasse Abb. 1. Der Prozess des Überwachten Lernens. Datenaufbereitung Die Aufbereitung der Daten im Korpus hat meist eine Normalisierung der Daten zum Ziel. Dabei werden Informationen entfernt, die für die Klassifikation unbrauchbar sind oder die Klassifikationsgenauigkeit verringern. Auswahl von Eigenschaften Während der Erstellung eines Klassifikationsmodells werden für jeden Text im Korpus jene Eigenschaften ausgewählt, die dem Klassifikationsalgorithmus als Eingabe dienen. Die Auswahl der Eigenschaften ist essentiell, soll ein gutes Klassifikationsmodell erzeugt werden. Eine Eigenschaft (oder engl. Feature) ist ein Merkmal bzw. ein Bestandteil eines Textes - dies kann ein Wort aus einem Satz oder die Anzahl der Satzzeichen in einem Text sein. Meist werden für einen Text mehrere Eigenschaften erzeugt. N-Gramme N-Gramme werden oft als Eigenschaften verwendet und sind das Ergebnis einer Zerlegung eines Textes in seine Einzelteile. N-Gramme werden durch ihre Ordnung/Typ unterschieden. N-Gramme erster Ordnung werden als Unigramme bezeichnet und sind einfache ganze Wörter. Bigramme sind zwei zusammenhänge Wörter wie schönes Wetter, Trigramme bestehen aus drei Wörtern, z. B. das ist schön. Klassifikationsalgorithmen Ein Klassifikationsalgorithmus berechnet auf Basis der zugrunde gelegten Eigenschaften ein Klassifikationsmodell. Ein bekannter und oft in diesem Umfeld verwendeter Algorithmus ist der Bayes-Algorithmus, der z.b. oft in Spamfiltern Verwendung findet. Der Algorithmus wird oft für die Sentimentanalyse verwendet, da er relativ trivial ist und eine vergleichbare oder sogar höhere Klassifikationsgenauigkeit als andere Algorithmen erzielt (vgl. [Go2009], [Parikh2009]). Weniger verbreitet sind die Maximum-Entropie- Klassifikation und die Support-Vektor-Maschine. 4

5 1.2 Evaluation Um die Qualität eines Klassifikationssystems zu bestimmen, muss dieses getestet werden. Dazu wird das fertige Klassifikationssystem genutzt um mit diesem neue, dem System bisher unbekannte klassifizierte Texte, zu klassifizieren. Stimmt die vom System prognostizierte Klasse mit der bekannten Klasse überein, wurde das Objekt korrekt klassifiziert. Die Abbildung 2 veranschaulicht den Vorgang der Evaluation. Klassifizierter Test-Korpus Klassifizierter Text Text Bekannte Klassifizierung Klassifikationssystem Wahrscheinliche Klassifizierung Abb. 2. Evaluation des Klassifikationssystems. Diese Metrik wird Genauigkeit genannt. Die Genauigkeit des Klassifikationssystems ist von allen Schritten abhängig, die zur Erstellung des Systems durchgeführt worden sind. Erstellung der Korpora Datenaufbereitung Auswahl der Eigenschaften Auswahl des Klassifikationsalgorithmus Um die Genaugikeit zu erhöhen, muss jeder Teilschritt analysiert und ein Verbesserungspotential herausgearbeitet werden. Es ist z.b. möglich, dass die Genauigkeit erhöht werden kann, wenn die Daten anders aufbereitet werden oder ein anderer Klassifikationsalgorithmus verwendet wird. Die beste Kombination zu finden ist eine der großen Herausforderungen bei der Entwicklung eines Klassifikationssystems. Metriken Für die Evaluation sind diverse Metriken definiert worden, die Rückschlüsse auf die Qualität liefern. Genauigkeit Gibt an, wie viele der klassifizierten Daten korrekt klassifiziert worden sind. Sie ist beschrieben worden von [Manning1999] und lautet: Genauigkeit = N(Korrekte Klassifikationen)) N(Alle Klassif ikationen) (1) 5

6 Entscheidung Gibt an, welcher Teil der Daten vom System klassifiziert worden ist. Die Metrik wurde beschrieben von [Adda1998] und lautet: Entscheidung = N(Bezogene Dokumente)) N(Alle Dokumente) (2) 2 Zusammenfassung der Arbeit Microbloggingdienste sind heutzutage sehr populär und beliebt und verfügen über eine sehr große Nutzerbasis. Es findet ein reger Austausch statt Anwender äußern Ihre Meinung zu verschiedensten Themen und Produkten. Durch die intensive Nutzung und der großen Anwenderzahl sind Dienste wie Twitter ein attraktives Ziel für die Sentimentanalyse um Stimmungsbilder zu verschienden Themen aus dem System zu extrahieren und neues Wissen zu generieren. Im Verlauf der Arbeit wird die Sentimentanalyse auf Twitter-Nachrichten angewendet um die Effektivität zu untersuchen. Die gesammelten Twitter-Nachrichten werden einer linguistischen Analyse unterzogen und anschließend genutzt um einen Klassifikator zu erzeugen, mit dessen Hilfe Twitter-Nachrichten als positiv, negativ und objektiv erkannt werden können. 2.1 Vergleichbare Arbeiten Einen Überblick über Verfahren und Techniken haben [Pang2008] gegeben, allerdings waren dort Microblogging-Dienste nicht das Ziel der Sentimentanalyse. Emoticons als Merkmal für das Sentiment zu nutzen, wurde erstmal von [Read2005] vorgestellt. Der erstellte Korpus wurde dabei in positive und negative Texte aufgeteilt und diente als Basis für eine Klassifikation mit Hilfe von Bayes und einer Support-Vektor-Maschine, mit denen jeweils eine Klassifikationsgenauigkeit von ungefähr 70 % erreicht werden konnte. [Go2009] haben das Verfahren von [Read2005] auf Twitter angewendet, um ihren Korpus zu erzeugen. Vergleicht wurden diverse Klassifikationsalgorithmen, wobei der Bayes-Algorithmus mit 81 % Genauigkeit das beste Ergebnis erzielte. Das Klassifikationssystem ist allerdings nur binär, kann also nur zwischen zwei Klassen (positiv und negativ) unterscheiden. Die Klassifikationsgenauigkeit des Systems sinkt deutlich, wenn mehrere Klassen zu unterscheiden waren (positiv, negativ, neutral). 2.2 Erzeugung eines Korpus Der Korpus besteht aus Texten positiven, negativen und objektiven Inhalts und wird automatisiert durch eine Software erzeugt, in dem Nachrichten über eine Programmierschnittstelle direkt von Twitter bezogen werden. Diese Methode wurde erstmals von [Read2005] beschrieben. Dazu wird die Twitter-API verwendet um mehrere Suchanfragen nach verschiedenen ASCII-Emoticons abzusetzen. Die resultierenden Twitter-Nachrichten werden dann dem jeweiligen Korpus zugeteilt. Für positive Texte werden folgende Emoticons verwendet (Auswahl): 6

7 :-) :) =) :D Folgende Emoticons werden gesucht, um negative Twitter-Nachrichten zu finden (Auswahl): :-( :( =( ;( Objektive Nachrichten werden ebenfalls direkt von Twitter bezogen, in dem die Twitter-Nachrichten von diversen Nachrichten-Accounts (z.b. von der New York Times ) heruntergeladen werden. Insgesamt werden Nachrichten von 44 Accounts bezogen. Nachrichten von diesen Accounts werden als objektiv betrachtet. Es findet keine weitere Filterung oder Objektivitätsprüfung statt. Die resultierenden Twitter-Nachrichten werden, je nach Kategorie (positive, negativ, objektiv), in einem Korpus zusammengefasst. Es wird davon ausgegangen, dass ein einziger Emoticon die Empfindung einer Twitter-Nachricht repräsentiert und alle Wörter des Satzes mit diesem Emoticon inhaltlich in Verbindung stehen. Es werden nur englischsprachige Nachrichten verarbeitet. 2.3 Korpusanalyse Der erzeugte Korpus wird analysiert, um herauszufinden, ob dieser als Basis für die spätere Erstellung eines Klassifikators geeignet ist. Dazu wird zunächst eine Häufigkeitsverteilung der Wörter innerhalb des Korpus berechnet. Die Abbildung 3 zeigt eine Kompabilität mit dem Zipfschen Gesetz, in folge dessen man von einem Korpus sprechen kann, der die korrekten Eigenschaften aufweist. Anschließend wird der Korpus mit Hilfe eines Part-of-speech-Tagging-Programms markiert um herauszufinden, welche Satzbausteine starke (bzw. schwache) Indikatoren für subjektive bzw. objektive und positive bzw. negative Texte sein können. Die Abbildung 4 zeigt das Ergebnis des Tagging-Vorgangs zur erste Untersuchung für subjektive und objektive Texte und Abbildung 5 veranschaulicht die Verteilung der POS-Tags für positive und negative Texte. Das POS-Tagging hat ergeben, dass insbesondere imperative Satzelemente auf einen subjektiven Text hinweisen. Dies trifft beispielsweise auf die meisten Sätze zu, die mit einem Ausrufezeichen enden. Weitere Bausteine, die auf einen subjektiven Text hinweisen, sind Personalpronomen. 7

8 Abb. 3. Die Worthäufigkeitsverteilung entspricht den Voraussagen des Zipfschen Gesetzes. Abb. 4. POS-Tagging. Links: Indikatoren für objektive Texte. Rechts: Indikatoren für subjektive Texte. Vgl. Figure 2, S Objektive Texte enthalten sehr oft Eigennamen bzw. Substantive. Das POS- Tagging liefert weiter Hinweise darüber, ob ein subjektiver Text inhaltlich eher positiv oder negativ ist. So enthalten viele positiv geschriebene Texte Superlativadverbien wie meistens oder beste. Anders als positive Text enthalten negative Texte oft Verben in der Vergangenheitsform. 8

9 Abb. 5. POS-Tagging. Links: Indikatoren für positive Texte. Rechts: Indikatoren für negative Texte. Vgl. Figure 3, S Das POS-Tagging wurde über mehrere Teilmengen des Korpus angewendet, mit einer resultierenden ähnlichen Verteilung der Tags. Dies lässt auf einen homogenen Korpus schließen. 2.4 Erstellung des Klassifikators Der Klassifikator wird mit der Methode des Überwachten Lernens erzeugt. Dazu werden die Korpus-Daten zunächst aufbereitet und geeignete Eigenschaften definiert, die als Eingabedaten für den Klassifikationsalgorithmus dienen. Der Klassifikationsalgorithmus wurde vorher ausgewählt. Aufbereitung der Daten im Korpus Die gesammelten Korpora bestehen jeweils aus einer Menge von Twitter-Nachrichten. Um die Erstellung des Korpus zu vereinfachen, wurden die Daten vorher aufbereitet. Die Aufbereitung umfasst die folgenden Schritte: 1. Löschen von URLs und Benutzernamen (beginnen 2. Löschen von Artikeln ( a, an, the,...). Auswahl von geeigneten Eigenschaften Pang et. al haben gezeigt, dass die Existenz eines N-Gramms in einem Text eine geeignetere Eigenschaft ist als die Häufigkeit eines N-Gramms, wenn das Sentiment eines Textes bestimmt werden soll. Dies läge daran, dass die Wiederholung eines bestimmten Schlüsselwortes keine Hinweise auf ein bestimmtes Sentiment gibt (vgl. [Pang2002]). Demzufolge soll die N-Gramm-Existenz als Eigenschaft verwendet werden. Pang et. al berichten, dass die Verwendung von Unigrammen bei der Sentimentanalyse von Filmbewertungen bessere Ergebnisse liefert als die Verwendung mit Bigrammen. Dave et. al berichten das Gegenteil. Sie zeigen, dass Bigramme und Trigramme für Produktbewertungen zu besseren Ergebnissen führen (vgl. [Dave2003]). 9

10 Unigramme sollten die zugrundeliegenden Daten am Besten abbilden, wohingegen Trigramme das Sentiment am Besten abbilden müssten. Welche Ausprägung von N-Grammen die besten Ergebnisse liefert, soll evaluiert werden, da bisher keine einheitlichen Ergebnisse vorliegen. Untersucht werden Unigramme, Bigramme und Trigramme. Auswahl des besten Algorithmus Als Klassifikationsalgorithmus wird Bayes verwendet, da mit diesem Algorithmus bessere Ergebnisse erzielt worden sind als mit einer Support Vector Maschine. 2.5 Evaluation des erzeugten Klassifikators Der erzeugte Klassifikator wurde mit echten, manuell markierten, Twitter-Nachrichten getestet. Der Testkorpus enthältet insgesamt 216 Twitter-Nachrichten und wurde von Go et al. übernommen (vgl. [Go2009]). Siehe Tabelle 1. Sentiment Anzahl Twitter-Nachrichten Positiv 108 Negativ 75 Neutral 33 Summe 216 Tabelle 1. Verwendeter Testkorpus für die Evaluation. Vgl. Table 3, S Untersucht wird die Genauigkeit des Klassifikators in Abhängigkeit vom verwendeten N-Gramm-Typ und von der Größe des verwendeten Korpus. Ergebnisse Die Untersuchung der Genauigkeit in Abhängigkeit vom N-Gramm- Typs hat ergeben, dass Bigramme die höchste Genauigkeit erreichen (vgl. Abbildung 6). Bigramme liefern wahrscheinlich das beste Ergebnis, weil sie ein Kompromiss zwischen Datenabdeckung (Unigramme) und Sentimentabdeckung (Trigramme) darstellen. Anders als von [Manning1999] beschrieben, wird das Ergebnis nicht auf Basis der Genauigkeit und Vollständig berechnet, sondern auf der Genaugikeit und der Entscheidung, da es sich bei der Untersuchung nicht um eine Binärklassifikation handelt. Der verwendete Klassifikator unterscheidet zwischen den drei Klassen positiv, negativ und neutral. Die modifizierte Formel lautet (vgl. Formel 16, S. 1326; β = 0.5): F = (1 + β 2 Genauigkeit Entscheidung ) β 2 Genauigkeit + Entscheidung (3) Das Ergebnis der F-Score-Untersuchung ist in Abbildung 7 dargestellt. Sie zeigt, dass eine Vergrößerung des Korpus (also mehr Twitter-Nachrichten) zu 10

11 Abb. 6. Klassifikationsgenauigkeit in Abhängigkeit vom N-Gramm-Typ. Vgl. Figure 4, S einer Erhöhung der Klassifikationsgenauigkeit führt jedoch nur bis zu einem bestimmten Punkt. Nach einer bestimmmten Körpusgröße findet keine Verbesserung mehr statt. 2.6 Fazit Im Verlauf dieser Arbeit wurde gezeigt, wie ein Korpus automatisch erstellt und zum Training eines Klassifikators genutzt werden kann. Mit Hilfe des POS- Tagging-Programms TreeTagger wurde festgestellt, dass gewisse Satzbausteine gute Hinweise auf das Sentiment eines Textes sein können. Die Arbeit beschreibt, wie ein Klassifikator durch Training erstellt wird. Das Ergebnis ist ein System, dass herausfinden kann, ob ein Text postive, negative oder gar keine Stimmung enthält, also ein objektiver Text ist. Das System basiert auf dem Bayes-Algorithmus und nutzt N-Gramme und POS-Tags als Eigenschaften für das Training. Das System funktioniert aktuell nur mit englischen Texten. Zukünftig soll ein System entwickelt werden, das Twitter-Nachrichten in verschiedenen Sprachen nutzt und klassifizieren kann. 3 Bewertung & Vergleich Die Autoren sind systematisch und analytisch vorgegangen und haben größtenteils etablierte Verfahren genutzt um ein System für die Sentimentanalyse zu erstellen. Der Korpus wurde automatisch erzeugt und kann so beliebig in 11

12 Abb. 7. Klassifikationsgenauigkeit in Abhängigkeit von der Korpusgröße. Vgl. Figure 6, S der Größe variiert werden. Dieser Aspekt ist sehr wichtig, da ein großer Korpus die Voraussetzung für ein gutes Ergebnis ist. Problematisch ist die Annahme der Autoren, dass ein einzelnes Emoticon die Stimmung für eine gesamte Twitter-Nachricht repräsentieren soll. Twitter-Nachrichten, mit verschiedenen Emotions, die gegensätzliche Stimmungen ausdrücken, werden nicht herausfiltert. Nach der Erzeugung des Korpus wurde dieser analysiert um festzustellen, ob die Daten überhaupt sinnvoll genutzt werden können. Diese Analyse fehlt in vergleichbaren Arbeiten. Als Klassifikationsalgorithmus haben sich die Autoren für den Bayes-Algorithmus entschieden, da sie mit diesem bessere Ergebnisse erzielten als mit der Support-Vektor-Maschine. Nicht getestet wurde die Maximum-Entropie-Klassifikation, die durchaus vergleichbare Ergebnisse erzielen kann. Die Evaluation des Klassifikationssystems haben die Autoren systematisch durchgeführt und nachvollziehbar präsentiert. Für die Evaluation wurde ein Testkorpus verwendet, der manuell erzeugt wurde und daher lediglich 216 Twitter-Nachrichten enthält. Besser wäre hier sicherlich die Durchführung einer Kreuzvalidierung gewesen, wie sie z. B. von [Pang2002] durchgeführt wurde. Der Vorteil der Kreuzvalidierung ist, dass dazu keine neuen Daten gesammelt werden müssen, sondern der bereits vorhandene Korpus für die Evaluation zu Grunde gelegt wird. Das Verfahren kann automatisiert durchgeführt werden und liefert verlässliche Zahlen. Das von den Autoren erstelle System verfügt über eine Klassifikationsgenauigkeit von 73 %. Ein sehr gutes Ergebnis für ein System, das mehr als zwei Klassen unterscheiden kann. 12

13 4 Literaturverzeichnis Adda1998. G. Adda, J. Mariani, J. Lecomte, P. Paroubek, and M. Rajman The GRACE French part-of-speech tagging evaluation task. In A. Rubio, N. Gallardo, R. Castro, and A. Tejada, editors, LREC, volume I, pages , Granada, May. Dave2003. Kushal Dave, Steve Lawrence, and David M. Pennock Mining the peanut gallery: opinion extraction and semantic classification of product reviews. In WWW 03: Proceedings of the 12th international conference on World Wide Web, pages , New York, NY, USA. ACM. Go2009. Alec Go, Lei Huang, and Richa Bhayani Twitter sentiment analysis. Final Projects from CS224N for Spring 2008/2009 at The Stanford Natural Language Processing Group. Manning1999. Christopher D. Manning and Hinrich Schütze Foundations of statistical natural language processing. MIT Press, Cambridge, MA, USA. Pang2002. Bo Pang, Lillian Lee, and Shivakumar Vaithyanathan Thumbs up? sentiment classification using machine learning techniques. In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP), pages Pang2008. Bo Pang and Lillian Lee Opinion mining and sentiment analysis. Found. Trends Inf. Retr., 2(1-2): Parikh2009. Ravi Parikh and Matin Movassate Sentiment Analysis of User- Generated Twitter Updates using Various Classification Techniques. In: Most (2009), S Read2005. Jonathon Read Using emoticons to reduce dependency in machine learning techniques for sentiment classification. In ACL. The Association for Computer Linguistics. 13

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN T-SYSTEMS MULTIMEDIA SOLUTIONS GMBH, 16. FEBRUAR 2012 1. Schlüsselworte Semantic Web, Opinion Mining, Sentiment Analysis, Stimmungsanalyse,

Mehr

Zeichen bei Zahlen entschlüsseln

Zeichen bei Zahlen entschlüsseln Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren

Mehr

1 Part-of-Speech Tagging

1 Part-of-Speech Tagging 2. Übung zur Vorlesung NLP Analyse des Wissensrohstoes Text im Sommersemester 2008 Dr. Andreas Hotho, Dipl.-Inform. Dominik Benz, Wi.-Inf. Beate Krause 28. Mai 2008 1 Part-of-Speech Tagging 1.1 Grundlagen

Mehr

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Gliederung Einleitung Problemstellungen Ansätze & Herangehensweisen Anwendungsbeispiele Zusammenfassung 2 Gliederung

Mehr

Part-of-Speech- Tagging

Part-of-Speech- Tagging Part-of-Speech- Tagging In: Einführung in die Computerlinguistik Institut für Computerlinguistik Heinrich-Heine-Universität Düsseldorf WS 2004/05 Dozentin: Wiebke Petersen Tagging Was ist das? Tag (engl.):

Mehr

Elexis-BlueEvidence-Connector

Elexis-BlueEvidence-Connector Elexis-BlueEvidence-Connector Gerry Weirich 26. Oktober 2012 1 Einführung Dieses Plugin dient dazu, den Status Hausarztpatient zwischen der BlueEvidence- Anwendung und Elexis abzugleichen. Das Plugin markiert

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

Kapiteltests zum Leitprogramm Binäre Suchbäume

Kapiteltests zum Leitprogramm Binäre Suchbäume Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm

Mehr

Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08

Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08 Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements von Stephanie Wilke am 14.08.08 Überblick Einleitung Was ist ITIL? Gegenüberstellung der Prozesse Neuer

Mehr

PK-Website: Besuche & Seitenaufrufe 2010 und 2011

PK-Website: Besuche & Seitenaufrufe 2010 und 2011 Abb. 2011-4/278 (Ausschnitt) PK-Website: Besuche & Seitenaufrufe bis 31. Dezember 2011, 248.993 Besuche, 425.183 Seitenaufrufe SG Dezember 2011 / Januar 2012 PK-Website: Besuche & Seitenaufrufe 2010 und

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

Im Folgenden wird Ihnen an einem Beispiel erklärt, wie Sie Excel-Anlagen und Excel-Vorlagen erstellen können.

Im Folgenden wird Ihnen an einem Beispiel erklärt, wie Sie Excel-Anlagen und Excel-Vorlagen erstellen können. Excel-Schnittstelle Im Folgenden wird Ihnen an einem Beispiel erklärt, wie Sie Excel-Anlagen und Excel-Vorlagen erstellen können. Voraussetzung: Microsoft Office Excel ab Version 2000 Zum verwendeten Beispiel:

Mehr

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09. Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme

Mehr

Professionelle Seminare im Bereich MS-Office

Professionelle Seminare im Bereich MS-Office Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion

Mehr

Speicher in der Cloud

Speicher in der Cloud Speicher in der Cloud Kostenbremse, Sicherheitsrisiko oder Basis für die unternehmensweite Kollaboration? von Cornelius Höchel-Winter 2013 ComConsult Research GmbH, Aachen 3 SYNCHRONISATION TEUFELSZEUG

Mehr

Das große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten

Das große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während

Mehr

Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER

Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos in Verbindung mit der Webshopanbindung wurde speziell auf die Shop-Software shop to date von DATA BECKER abgestimmt. Mit

Mehr

Bedienungsanleitung. Matthias Haasler. Version 0.4. für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof

Bedienungsanleitung. Matthias Haasler. Version 0.4. für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof Bedienungsanleitung für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof Matthias Haasler Version 0.4 Webadministrator, email: webadmin@rundkirche.de Inhaltsverzeichnis 1 Einführung

Mehr

Einen Wiederherstellungspunktes erstellen & Rechner mit Hilfe eines Wiederherstellungspunktes zu einem früheren Zeitpunkt wieder herstellen

Einen Wiederherstellungspunktes erstellen & Rechner mit Hilfe eines Wiederherstellungspunktes zu einem früheren Zeitpunkt wieder herstellen Einen Wiederherstellungspunktes erstellen & Rechner mit Hilfe eines Wiederherstellungspunktes zu einem früheren Zeitpunkt wieder herstellen 1 Hier einige Links zu Dokumentationen im WEB Windows XP: http://www.verbraucher-sicher-online.de/node/18

Mehr

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben

Mehr

Erstellen von x-y-diagrammen in OpenOffice.calc

Erstellen von x-y-diagrammen in OpenOffice.calc Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei

Mehr

AZK 1- Freistil. Der Dialog "Arbeitszeitkonten" Grundsätzliches zum Dialog "Arbeitszeitkonten"

AZK 1- Freistil. Der Dialog Arbeitszeitkonten Grundsätzliches zum Dialog Arbeitszeitkonten AZK 1- Freistil Nur bei Bedarf werden dafür gekennzeichnete Lohnbestandteile (Stundenzahl und Stundensatz) zwischen dem aktuellen Bruttolohnjournal und dem AZK ausgetauscht. Das Ansparen und das Auszahlen

Mehr

SharePoint-Migration.docx

SharePoint-Migration.docx SharePoint Migration Dokumenten-Name SharePoint-Migration.docx Version/Datum: Version 1.0, 07.04.2014 Klassifizierung Ersteller Für green.ch AG Kunden Stephan Ryser Seite 1/6 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis...

Mehr

Beschreibung des MAP-Tools

Beschreibung des MAP-Tools 1. Funktionen des MAP-Tool 2. Aufbau des MAP-Tools 3. Arbeiten mit dem MAP-Tool Beschreibung MAP-Tool.doc Erstellt von Thomas Paral 1 Funktionen des MAP-Tool Die Hauptfunktion des MAP-Tools besteht darin,

Mehr

AUTOMATISCHE E-MAIL-ARCHIVIERUNG. 10/07/28 BMD Systemhaus GmbH, Steyr Vervielfältigung bedarf der ausdrücklichen Genehmigung durch BMD!

AUTOMATISCHE E-MAIL-ARCHIVIERUNG. 10/07/28 BMD Systemhaus GmbH, Steyr Vervielfältigung bedarf der ausdrücklichen Genehmigung durch BMD! AUTOMATISCHE E-MAIL-ARCHIVIERUNG 10/07/28 BMD Systemhaus GmbH, Steyr Vervielfältigung bedarf der ausdrücklichen Genehmigung durch BMD! INHALT AUTOMATISCHE E-MAIL-ARCHIVIERUNG... 4 Eingehende E-Mails können

Mehr

Diese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress.

Diese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress. Anmeldung http://www.ihredomain.de/wp-admin Dashboard Diese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress. Das Dashboard gibt Ihnen eine kurze Übersicht, z.b. Anzahl der Beiträge,

Mehr

Anleitung öffentlicher Zugang einrichten

Anleitung öffentlicher Zugang einrichten TRK-DashBoard Anleitung öffentlicher Zugang einrichten Manual für Kunden VERSION DATUM AUTOR DATEINAME 1.0 8. SEPTEMBER 2011 HRR ANLEITUNG_OEFFENTLICHER_ZUGANG_DASHBOARD_V10 INHALT 1 ALLGEMEINE INFORMATIONEN...

Mehr

macs Support Ticket System

macs Support Ticket System macs Support Ticket System macs Software GmbH Raiffeisenstrasse 8 78658 Zimmern ob Rottweil Tel. (0741)9422880 1 ALLGEMEIN... 3 2 ABLAUF TICKET-SYSTEM... 4 2.1 Ticket Erstellung... 4 2.2 Ablauf... 4 2.3

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Patch-Management. Leibniz-Akademie Hannover Wirtschaftsinformatik B. Sc. Praxisreflexion im Bereich Management im SS 2011

Patch-Management. Leibniz-Akademie Hannover Wirtschaftsinformatik B. Sc. Praxisreflexion im Bereich Management im SS 2011 Leibniz-Akademie Hannover Wirtschaftsinformatik B. Sc. Praxisreflexion im Bereich Management im SS 2011 Patch-Management Thomas Beer Abgabedatum: 28.03.2011 Anmerkung: Diese Wissenschaftliche Arbeit ist

Mehr

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung

Mehr

Um zusammenfassende Berichte zu erstellen, gehen Sie folgendermaßen vor:

Um zusammenfassende Berichte zu erstellen, gehen Sie folgendermaßen vor: Ergebnisreport: mehrere Lehrveranstaltungen zusammenfassen 1 1. Ordner anlegen In der Rolle des Berichterstellers (siehe EvaSys-Editor links oben) können zusammenfassende Ergebnisberichte über mehrere

Mehr

Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken?

Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? UErörterung zu dem Thema Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? 2000 by christoph hoffmann Seite I Gliederung 1. In zu großen Mengen ist alles schädlich. 2.

Mehr

In diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können.

In diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können. Tutorial: Wie erfasse ich einen Termin? In diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können. Neben den allgemeinen Angaben zu einem

Mehr

Novell Client. Anleitung. zur Verfügung gestellt durch: ZID Dezentrale Systeme. Februar 2015. ZID Dezentrale Systeme

Novell Client. Anleitung. zur Verfügung gestellt durch: ZID Dezentrale Systeme. Februar 2015. ZID Dezentrale Systeme Novell Client Anleitung zur Verfügung gestellt durch: ZID Dezentrale Systeme Februar 2015 Seite 2 von 8 Mit der Einführung von Windows 7 hat sich die Novell-Anmeldung sehr stark verändert. Der Novell Client

Mehr

Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer

Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der

Mehr

ihren_benutzernamen@beuth-hochschule.de oder ein Account einer teilnehmenden Einrichtung also ihren_benutzernamen@ihrer_einrichtung.

ihren_benutzernamen@beuth-hochschule.de oder ein Account einer teilnehmenden Einrichtung also ihren_benutzernamen@ihrer_einrichtung. für Android 0. Allgemeines 1. Importieren der Zertifikate der Deutschen Telekom Root CA 2 2. Konfigurieren der Verbindung 3. Anmeldung an der Beuth Hochschule 0. Allgemeines An der Beuth-Hochschule für

Mehr

Das vorliegende Dokument beinhaltet vertrauliche Informationen und darf nicht an Dritte weitergereicht werden.

Das vorliegende Dokument beinhaltet vertrauliche Informationen und darf nicht an Dritte weitergereicht werden. Konfigurationsanleitung: E-Mail Konfiguration mit Apple Mail Vertraulichkeitsklausel Das vorliegende Dokument beinhaltet vertrauliche Informationen und darf nicht an Dritte weitergereicht werden. SwissWeb

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Spam filtern mit dem Webmail-Interface

Spam filtern mit dem Webmail-Interface Zentrum für Bildungsinformatik Muesmattstrasse 29 CH-3012 Bern T +41 31 309 22 61 F +41 31 309 22 99 bildungsinformatik@phbern.ch bildungsinformatik.phbern.ch Spam filtern mit dem Webmail-Interface Inhalt

Mehr

IBIS Professional. z Dokumentation zur Dublettenprüfung

IBIS Professional. z Dokumentation zur Dublettenprüfung z Dokumentation zur Dublettenprüfung Die Dublettenprüfung ist ein Zusatzpaket zur IBIS-Shopverwaltung für die Classic Line 3.4 und höher. Dubletten entstehen dadurch, dass viele Kunden beim Bestellvorgang

Mehr

OpenVPN unter Linux mit KVpnc Stand: 16. Mai 2013

OpenVPN unter Linux mit KVpnc Stand: 16. Mai 2013 1 Vorwort OpenVPN unter Linux mit KVpnc Stand: 16. Mai 2013 Folgende Beschreibung wurde mit einem Ubuntu 7.10 mit Kernel 2.6.22-14, OpenVPN 2.0.9 und KVpnc 0.9.1-rc1 getestet. Ein weiterer erfolgreicher

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen

Mehr

Die Online-Meetings bei den Anonymen Alkoholikern. zum Thema. Online - Meetings. Eine neue Form der Selbsthilfe?

Die Online-Meetings bei den Anonymen Alkoholikern. zum Thema. Online - Meetings. Eine neue Form der Selbsthilfe? Die Online-Meetings bei den Anonymen Alkoholikern zum Thema Online - Meetings Eine neue Form der Selbsthilfe? Informationsverhalten von jungen Menschen (Quelle: FAZ.NET vom 2.7.2010). Erfahrungen können

Mehr

Leichte-Sprache-Bilder

Leichte-Sprache-Bilder Leichte-Sprache-Bilder Reinhild Kassing Information - So geht es 1. Bilder gucken 2. anmelden für Probe-Bilder 3. Bilder bestellen 4. Rechnung bezahlen 5. Bilder runterladen 6. neue Bilder vorschlagen

Mehr

FORUM HANDREICHUNG (STAND: AUGUST 2013)

FORUM HANDREICHUNG (STAND: AUGUST 2013) FORUM HANDREICHUNG (STAND: AUGUST 2013) Seite 2, Forum Inhalt Ein Forum anlegen... 3 Forumstypen... 4 Beiträge im Forum schreiben... 5 Beiträge im Forum beantworten... 6 Besondere Rechte der Leitung...

Mehr

Semestralklausur zur Vorlesung. Web Mining. Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2004 Termin: 22. 7.

Semestralklausur zur Vorlesung. Web Mining. Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2004 Termin: 22. 7. Semestralklausur zur Vorlesung Web Mining Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2004 Termin: 22. 7. 2004 Name: Vorname: Matrikelnummer: Fachrichtung: Punkte: (1).... (2)....

Mehr

«Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen

«Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen 18 «Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen teilnimmt und teilhat.» 3Das Konzept der Funktionalen

Mehr

S TAND N OVEMBE R 2012 HANDBUCH DUDLE.ELK-WUE.DE T E R M I N A B S P R A C H E N I N D E R L A N D E S K I R C H E

S TAND N OVEMBE R 2012 HANDBUCH DUDLE.ELK-WUE.DE T E R M I N A B S P R A C H E N I N D E R L A N D E S K I R C H E S TAND N OVEMBE R 2012 HANDBUCH T E R M I N A B S P R A C H E N I N D E R L A N D E S K I R C H E Herausgeber Referat Informationstechnologie in der Landeskirche und im Oberkirchenrat Evangelischer Oberkirchenrat

Mehr

Agile Vorgehensmodelle in der Softwareentwicklung: Scrum

Agile Vorgehensmodelle in der Softwareentwicklung: Scrum C A R L V O N O S S I E T Z K Y Agile Vorgehensmodelle in der Softwareentwicklung: Scrum Johannes Diemke Vortrag im Rahmen der Projektgruppe Oldenburger Robot Soccer Team im Wintersemester 2009/2010 Was

Mehr

Grundlagen der Informatik

Grundlagen der Informatik Mag. Christian Gürtler Programmierung Grundlagen der Informatik 2011 Inhaltsverzeichnis I. Allgemeines 3 1. Zahlensysteme 4 1.1. ganze Zahlen...................................... 4 1.1.1. Umrechnungen.................................

Mehr

Theoretische Informatik SS 04 Übung 1

Theoretische Informatik SS 04 Übung 1 Theoretische Informatik SS 04 Übung 1 Aufgabe 1 Es gibt verschiedene Möglichkeiten, eine natürliche Zahl n zu codieren. In der unären Codierung hat man nur ein Alphabet mit einem Zeichen - sagen wir die

Mehr

Senkung des technischen Zinssatzes und des Umwandlungssatzes

Senkung des technischen Zinssatzes und des Umwandlungssatzes Senkung des technischen Zinssatzes und des Umwandlungssatzes Was ist ein Umwandlungssatz? Die PKE führt für jede versicherte Person ein individuelles Konto. Diesem werden die Beiträge, allfällige Einlagen

Mehr

Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?

Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt

Mehr

Anwendungshinweise zur Anwendung der Soziometrie

Anwendungshinweise zur Anwendung der Soziometrie Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren

Mehr

GDI-Business-Line 3.x Ticketverwaltung

GDI-Business-Line 3.x Ticketverwaltung Ticketverwaltung Seite 1/6 GDI-Business-Line 3.x Ticketverwaltung Kurzdokumentation Stand: 04. Januar 2012 3.2.0.200 Ticketverwaltung Seite 2/6 Einführung...3 Lizenz...3 Funktionsweise...3 Vergabe der

Mehr

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes. Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel

Mehr

Überprüfung der digital signierten E-Rechnung

Überprüfung der digital signierten E-Rechnung Überprüfung der digital signierten E-Rechnung Aufgrund des BMF-Erlasses vom Juli 2005 (BMF-010219/0183-IV/9/2005) gelten ab 01.01.2006 nur noch jene elektronischen Rechnungen als vorsteuerabzugspflichtig,

Mehr

Simulation LIF5000. Abbildung 1

Simulation LIF5000. Abbildung 1 Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles

Mehr

Informationsbroschüre FX24 Capital Inc.

Informationsbroschüre FX24 Capital Inc. Informationsbroschüre FX24 Capital Inc. Sie suchen ein Investment das Ihnen eine hohe Rendite bringt, sicher ist und eine monatliche Auszahlung ermöglicht? Die FX24 Capital Inc. ermöglicht Ihnen all diese

Mehr

1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung

1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung 1 Einleitung 1.1 Motivation und Zielsetzung der Untersuchung Obgleich Tourenplanungsprobleme zu den am häufigsten untersuchten Problemstellungen des Operations Research zählen, konzentriert sich der Großteil

Mehr

EasyWk DAS Schwimmwettkampfprogramm

EasyWk DAS Schwimmwettkampfprogramm EasyWk DAS Schwimmwettkampfprogramm Arbeiten mit OMEGA ARES 21 EasyWk - DAS Schwimmwettkampfprogramm 1 Einleitung Diese Präsentation dient zur Darstellung der Zusammenarbeit zwischen EasyWk und der Zeitmessanlage

Mehr

YouTube: Video-Untertitel übersetzen

YouTube: Video-Untertitel übersetzen Der Easytrans24.com-Ratgeber YouTube: Video-Untertitel übersetzen Wie Sie mit Hilfe von Easytrans24.com in wenigen Schritten Untertitel für Ihre YouTube- Videos in mehrere Sprachen übersetzen lassen können.

Mehr

Die Lernumgebung des Projekts Informationskompetenz

Die Lernumgebung des Projekts Informationskompetenz Beitrag für Bibliothek aktuell Die Lernumgebung des Projekts Informationskompetenz Von Sandra Merten Im Rahmen des Projekts Informationskompetenz wurde ein Musterkurs entwickelt, der den Lehrenden als

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Anleitung zum erfassen von Last Minute Angeboten und Stellenangebote

Anleitung zum erfassen von Last Minute Angeboten und Stellenangebote Anleitung zum erfassen von Last Minute Angeboten und Stellenangebote Zweck dieser Anleitung ist es einen kleinen Überblick über die Funktion Last Minute auf Swisshotelportal zu erhalten. Für das erstellen

Mehr

tentoinfinity Apps 1.0 EINFÜHRUNG

tentoinfinity Apps 1.0 EINFÜHRUNG tentoinfinity Apps Una Hilfe Inhalt Copyright 2013-2015 von tentoinfinity Apps. Alle Rechte vorbehalten. Inhalt der online-hilfe wurde zuletzt aktualisiert am August 6, 2015. Zusätzlicher Support Ressourcen

Mehr

Internet Explorer Version 6

Internet Explorer Version 6 Internet Explorer Version 6 Java Runtime Ist Java Runtime nicht installiert, öffnet sich ein PopUp-Fenster, welches auf das benötigte Plugin aufmerksam macht. Nach Klicken auf die OK-Taste im PopUp-Fenster

Mehr

Zwischenablage (Bilder, Texte,...)

Zwischenablage (Bilder, Texte,...) Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen

Mehr

Hilfe Bearbeitung von Rahmenleistungsverzeichnissen

Hilfe Bearbeitung von Rahmenleistungsverzeichnissen Hilfe Bearbeitung von Rahmenleistungsverzeichnissen Allgemeine Hinweise Inhaltsverzeichnis 1 Allgemeine Hinweise... 3 1.1 Grundlagen...3 1.2 Erstellen und Bearbeiten eines Rahmen-Leistungsverzeichnisses...

Mehr

Einrichtung des Cisco VPN Clients (IPSEC) in Windows7

Einrichtung des Cisco VPN Clients (IPSEC) in Windows7 Einrichtung des Cisco VPN Clients (IPSEC) in Windows7 Diese Verbindung muss einmalig eingerichtet werden und wird benötigt, um den Zugriff vom privaten Rechner oder der Workstation im Home Office über

Mehr

Anleitung über den Umgang mit Schildern

Anleitung über den Umgang mit Schildern Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de

Mehr

Theoretische Grundlagen der Informatik WS 09/10

Theoretische Grundlagen der Informatik WS 09/10 Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3

Mehr

! " # $ " % & Nicki Wruck worldwidewruck 08.02.2006

!  # $  % & Nicki Wruck worldwidewruck 08.02.2006 !"# $ " %& Nicki Wruck worldwidewruck 08.02.2006 Wer kennt die Problematik nicht? Die.pst Datei von Outlook wird unübersichtlich groß, das Starten und Beenden dauert immer länger. Hat man dann noch die.pst

Mehr

Wann ist eine Software in Medizinprodukte- Aufbereitungsabteilungen ein Medizinprodukt?

Wann ist eine Software in Medizinprodukte- Aufbereitungsabteilungen ein Medizinprodukt? DGSV-Kongress 2009 Wann ist eine Software in Medizinprodukte- Aufbereitungsabteilungen ein Medizinprodukt? Sybille Andrée Betriebswirtin für und Sozialmanagement (FH-SRH) Prokuristin HSD Händschke Software

Mehr

Additional Cycle Index (ACIX) Thomas Theuerzeit

Additional Cycle Index (ACIX) Thomas Theuerzeit Additional Cycle Index (ACIX) Thomas Theuerzeit Der nachfolgende Artikel über den ACIX stammt vom Entwickler des Indikators Thomas Theuerzeit. Weitere Informationen über Projekte von Thomas Theuerzeit

Mehr

1. Einführung 2. 2. Erstellung einer Teillieferung 2. 3. Erstellung einer Teilrechnung 6

1. Einführung 2. 2. Erstellung einer Teillieferung 2. 3. Erstellung einer Teilrechnung 6 Inhalt 1. Einführung 2 2. Erstellung einer Teillieferung 2 3. Erstellung einer Teilrechnung 6 4. Erstellung einer Sammellieferung/ Mehrere Aufträge zu einem Lieferschein zusammenfassen 11 5. Besonderheiten

Mehr

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002) 6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden

Mehr

Suche schlecht beschriftete Bilder mit Eigenen Abfragen

Suche schlecht beschriftete Bilder mit Eigenen Abfragen Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere

Mehr

Summenbildung in Bauteiltabellen mit If Then Abfrage

Summenbildung in Bauteiltabellen mit If Then Abfrage Summenbildung in Bauteiltabellen mit If Then Abfrage Die in Bauteiltabellen ausgelesenen Werte lassen sich in jeder Spalte als Summe berechnen. So können selbstverständlich die Flächen der in der Tabelle

Mehr

kleines keyword brevier Keywords sind das Salz in der Suppe des Online Marketing Gordian Hense

kleines keyword brevier Keywords sind das Salz in der Suppe des Online Marketing Gordian Hense Keywords sind das Salz in der Suppe des Online Marketing Keywords - Das Salz in der Suppe des Online Marketing Keyword Arten Weitgehend passende Keywords, passende Wortgruppe, genau passende Wortgruppe

Mehr

Agentur für Werbung & Internet. Schritt für Schritt: E-Mail-Konfiguration mit Apple Mail

Agentur für Werbung & Internet. Schritt für Schritt: E-Mail-Konfiguration mit Apple Mail Agentur für Werbung & Internet Schritt für Schritt: E-Mail-Konfiguration mit Apple Mail E-Mail-Konfiguration mit Apple Mail Inhalt E-Mail-Konto erstellen 3 Auswahl des Servertyp: POP oder IMAP 4 Konfiguration

Mehr

SEPA Lastschriften. Ergänzung zur Dokumentation vom 27.01.2014. Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299

SEPA Lastschriften. Ergänzung zur Dokumentation vom 27.01.2014. Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299 SEPA Lastschriften Ergänzung zur Dokumentation vom 27.01.2014 Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299 www.workshop-software.de Verfasser: SK info@workshop-software.de

Mehr

Die Erstellung eigener Strukturprofile

Die Erstellung eigener Strukturprofile Die Erstellung eigener Strukturprofile Manchmal ist es nötig, eigene Profile zu Erstellen, die man dann mittels Gestellgenerator verbaut. Diese Strukturprofile werden in einer Benutzerbezogenen Bibliothek

Mehr

Mitarbeiterbefragung als PE- und OE-Instrument

Mitarbeiterbefragung als PE- und OE-Instrument Mitarbeiterbefragung als PE- und OE-Instrument 1. Was nützt die Mitarbeiterbefragung? Eine Mitarbeiterbefragung hat den Sinn, die Sichtweisen der im Unternehmen tätigen Menschen zu erkennen und für die

Mehr

Einrichtung eines Zugangs mit einer HBCI-Chipkarte bei der Commerzbank

Einrichtung eines Zugangs mit einer HBCI-Chipkarte bei der Commerzbank Einrichtung eines Zugangs mit einer HBCI-Chipkarte bei der Commerzbank Schritt 1: Rufen Sie in Bank X den Menüpunkt Ablage/Neue Kontenmappe auf. Es erscheint dieser Dialog: Es erscheint folgender Dialog,

Mehr

Folgeanleitung für Klassenlehrer

Folgeanleitung für Klassenlehrer Folgeanleitung für Klassenlehrer 1. Das richtige Halbjahr einstellen Stellen sie bitte zunächst das richtige Schul- und Halbjahr ein. Ist das korrekte Schul- und Halbjahr eingestellt, leuchtet die Fläche

Mehr

Bei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient.

Bei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient. Beschreibung der Focus Methode Bei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient. 1. F = Failure / Finding An dieser Stelle wird der

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Einbindung einer ACT!12-16 Datenbank als Datenquelle für den Bulkmailer 2012

Einbindung einer ACT!12-16 Datenbank als Datenquelle für den Bulkmailer 2012 Einbindung einer ACT!12-16 Datenbank als Datenquelle für den Bulkmailer 2012 Eine langvermisste Funktion ist mit den neuesten Versionen von ACT! und Bulkmailer wieder verfügbar. Mit dem Erscheinen der

Mehr

10.1 Auflösung, Drucken und Scannen

10.1 Auflösung, Drucken und Scannen Um einige technische Erläuterungen kommen wir auch in diesem Buch nicht herum. Für Ihre Bildergebnisse sind diese technischen Zusammenhänge sehr wichtig, nehmen Sie sich also etwas Zeit und lesen Sie dieses

Mehr

INTERNET UND MMS MIT DEM QTEK2020 MARCO WYRSCH @ 28. MÄRZ 04

INTERNET UND MMS MIT DEM QTEK2020 MARCO WYRSCH @ 28. MÄRZ 04 POCKETPC.CH INTERNET UND MMS MIT DEM QTEK2020 MARCO WYRSCH @ 28. MÄRZ 04 VORAUSSETZUNG QTEK2020 DEUTSCH. DIE ANLEITUNG IST MIT DEN ORANGE EINSTELLUNGEN GESCHRIEBEN WORDEN DIE EINSTELLUNGEN FÜR SWISSCOM

Mehr

Festigkeit von FDM-3D-Druckteilen

Festigkeit von FDM-3D-Druckteilen Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der

Mehr

FlowFact Alle Versionen

FlowFact Alle Versionen Training FlowFact Alle Versionen Stand: 29.09.2005 Rechnung schreiben Einführung Wie Sie inzwischen wissen, können die unterschiedlichsten Daten über verknüpfte Fenster miteinander verbunden werden. Für

Mehr

Studieren- Erklärungen und Tipps

Studieren- Erklärungen und Tipps Studieren- Erklärungen und Tipps Es gibt Berufe, die man nicht lernen kann, sondern für die man ein Studium machen muss. Das ist zum Beispiel so wenn man Arzt oder Lehrer werden möchte. Hat ihr Kind das

Mehr

Dokumentation für die software für zahnärzte der procedia GmbH Onlinedokumentation

Dokumentation für die software für zahnärzte der procedia GmbH Onlinedokumentation Dokumentation für die software für zahnärzte der procedia GmbH Onlinedokumentation (Bei Abweichungen, die bspw. durch technischen Fortschritt entstehen können, ziehen Sie bitte immer das aktuelle Handbuch

Mehr

2.1 Erstellung einer Gutschrift über den vollen Rechnungsbetrag

2.1 Erstellung einer Gutschrift über den vollen Rechnungsbetrag 1. Einführung Manchmal ist es notwendig, dem Kunden eine Gutschrift zu einer bestimmten Rechnung, über einzelne Positionen oder auch völlig frei von einer Basis-Rechnung zu erstellen. Die verschiedenen

Mehr