SanDisk SDMX1-512 Manual do Utilizador

Robert ButscherText Mining in der Konsumentenforschung unter besonderer Berücksichtigungvon ProduktontologienBetriebswirtschaft

1.1 Konzeptioneller Rahmen1Kapitel 1Einführung1.1 Konzeptioneller RahmenWirtschaftsmärkte der sog. „Ersten Welt“ sind heute vielfach gesättigt und von

4.3 Datenerhebung und -aufbereitung91In der Literatur gibt es eine Vielzahl unterschiedlicher „Parsing“-Ansätze, um die Struk-tur eines Satzes zu (re-

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel92Das Werkzeug „Link Parser“ basiert auf der sog. „link grammar“ [Sleator91 et al.]. Esgelt

4.3 Datenerhebung und -aufbereitung93Der „Stanford Parser“ als PCFG-Vertreter (Probabilistic Context Free Grammar) ver-eint unterschiedliche „Parsing“

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel94mar“ besitzt z.B. das Wort „man“ an der rechten Stelle die Andockstelle „Ss“ (= Substan-t

4.3 Datenerhebung und -aufbereitung95tenen Token korrekt zu bezeichnen. Diese Angaben eignen sich allerdings nur wenigzum Vergleich der ausgesuchten „

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel964.3.4 Datenauswahl, -integration und -transformationDas Ergebnis der Datenauswahl besteht

4.3 Datenerhebung und -aufbereitung974.3.5 Datenerhebung und -aufbereitung am FallbeispielTabelle 4.1 enthält Kenngrößen der beiden Datengrundlagen „R

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel98Nach [Lin98b] erreicht „MINIPAR“ eine Genauigkeit („precision“) von bis zu 89%. Erwendet

4.4 Analyse der Handbücher als Datengrundlage994.4 Analyse der Handbücher als Datengrundlage4.4.1 Zielsetzung der AnalyseNächster Prozessschritt ist d

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel1004.4.2 Auswahl der Token für Konzepte in der ProduktontologieEine Ontologie spezifiziert

Kapitel 1. Einführung2hierbei positive, negative oder neutrale Äußerungen potenzieller, aktueller wie auch ehe-maliger Kunden [Gelenkirchen01]. In vor

4.4 Analyse der Handbücher als Datengrundlage101bilden für den Anwender keine passenden Suchbegriffe, da sie für einen Text nicht spe-zifisch genug si

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel102Hilfsmittel zu verwenden. Netzgraphen verdeutlichen Beziehungen zwischen Elemen-ten, die

4.4 Analyse der Handbücher als Datengrundlage1034.4.3 Auswahl der Token zur Beschreibung der FunktionalitätIn der betrachteten Domäne fallen unter den

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel104über eine Beziehung zu einer Funktionalität her („playerFunction“). In diesem Beispielbe

4.4 Analyse der Handbücher als Datengrundlage1054.4.4 Fertigstellung der Produktontologie in ProtégéDie bisherigen Analysen schlagen relevante Konzept

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel106Abbildung 4.9171) (S. 105) zeigt einen Ausschnitt aus diesem Data Mining-Prozess (Bild-s

4.4 Analyse der Handbücher als Datengrundlage107beschreibt und sie von anderen abgrenzt. So sind beispielsweise in der Produktontologiedie beiden disj

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel108schiedlicher Autoren. In der Literatur wird für dieses Problem oftmals vorgeschlagen,den

4.4 Analyse der Handbücher als Datengrundlage109„entity“ oder „device“ solche Oberbegriffe (= generelle Begriffe ohne nähere Spezialisie-rung) von „ea

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel110Für die Entwicklung der Produktontologie sind im letzten Schritt die vorgeschlagenenKonz

1.2 Problemstellung31.2 ProblemstellungIn der Literatur wird für die computergestützte Analyse von (Kunden-)Meinungen dasText Mining vorgeschlagen. Ve

4.4 Analyse der Handbücher als Datengrundlage1114.4.5 Analyse der Handbücher am FallbeispielIm Folgenden werden die Methoden aus Kapitel 4 auf einen D

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel112Anschließend werden voneinander abhängige Token in Form von „Substantiv-Adjek-tiv“-Konst

4.4 Analyse der Handbücher als Datengrundlage113Assoziationsanalysen ergänzen die Link-Analyse. Es sind Begriffskonstellationen zu su-chen, die überdu

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel114Die bisherigen Ergebnisse werden mithilfe der Formalen Begriffsanalyse (FB) in einegraph

4.4 Analyse der Handbücher als Datengrundlage115Die Produktontologie wird im Ontologie-Editor „Protégé“ zusammengefügt. Dort wer-den die per Text Mini

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel116der Relation „hasFunction some playSong“ an, dass der MP3-Spieler „Apple iPod mini“ als

4.4 Analyse der Handbücher als Datengrundlage117müsste für jede abgegebene Kundenbewertung eine eigene Ontologie mit jeweils indivi-duellen Ausprägung

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel118die Eigenschaften („properties“) der Produktontologie. Über die Eigenschaften sind ent-w

4.4 Analyse der Handbücher als Datengrundlage119stelle bei der graphischen Darstellung der Gesamtontologie eignet sich ein solcher Graphfür die Naviga

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel120 Die bisherigen Verfahren fokussieren sich vor allem auf das Ergebnis der Ontolo-gie un

Kapitel 1. Einführung4dell eindeutig hinterlegt und definiert ist. Den bisherigen Verfahren beim Text Miningvon Kundenmeinungen fehlt dieser vom Mensc

4.4 Analyse der Handbücher als Datengrundlage121womit die Treffer steigen („Recall“ nimmt zu), aber die Genauigkeit („Precision“) sinkt.Ein Vergleich

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel122vorliegender Arbeit sind die beiden Wortarten in der Analyse getrennt: Substantive wer-d

5.1 Zielsetzung und Kapitelüberblick123Kapitel 5Analyse und Verwendung derKundenmeinungen im Fallbeispiel5.1 Zielsetzung und KapitelüberblickAbbildung

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel1245.2 Analyse der „Reviews“ als Datengrundlage5.2.1 Identifikation meinungsbezog

5.2 Analyse der „Reviews“ als Datengrundlage125licht. Dies ist insofern wichtig, da es z.B. Konstellationen wie „easy to use [Feature]“ gibt,und ohne

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel1265.2.2 Suchschablonen für Bewertungsobjekte Das in Abschnitt 5.2.1 vorgestellte

5.2 Analyse der „Reviews“ als Datengrundlage127Für die explizit genannten Produktkomponenten werden die folgenden in PERL umge-setzten Suchschablonen

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel1282. Die zweite Regel bezieht sich auf Verben und Adverbien. Vergleichbar mit de

5.2 Analyse der „Reviews“ als Datengrundlage1295.2.3 Semantische Ausrichtung der Kundenmeinungen und CodierungIn der Textdatei sind die ausgelesenen K

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel130Pronomen zu beziehen: Appreciation Potential = MI(It was, A) / (MI(I was, A)+

1.3 Zielsetzung51.3 Zielsetzung Das Ziel vorliegender Arbeit liegt darin, einen Beitrag zu leisten, wie sich aus Dokumen-ten teil-automatisiert für ei

5.2 Analyse der „Reviews“ als Datengrundlage1315.2.4 Analyse der Kundenmeinungen am FallbeispielAbschnitt 5.2.2 beschreibt ein generisches Vorgehen, w

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel132Aus den vorherigen Analysen sowie aus der Produktontologie selbst sind die Kon

5.3 Visualisierung der Ergebnisse im Fallbeispiel1335.3 Visualisierung der Ergebnisse im Fallbeispiel5.3.1 Profilvergleiche auf Grundlage von Kundenme

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel134Tabelle 5.221) gibt ein solches Datenformat wieder. Im Rahmen der Profilvergle

5.3 Visualisierung der Ergebnisse im Fallbeispiel135renzieren. [Blasius94 et al.]/ [Backhaus03 et al.] sowie [Murtagh05] zeigen in ihrenBeiträgen, wel

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel136dominieren die zweite Dimension. In der Ebene liegen demnach die beiden Geräte

5.3 Visualisierung der Ergebnisse im Fallbeispiel137nungsäußerung. Das Konzept „earphones“ nimmt einen vergleichsweise geringen Anteilbei der Masse ei

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel138Für eine asymmetrische Normalisierung gibt es mehrere Varianten: Spalten-Prinz

5.3 Visualisierung der Ergebnisse im Fallbeispiel1395.3.2 Integration der Kundenmeinungen in die ProduktontologieIm Folgenden interessiert die Frage,

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel140gen, doch wird aus Gründen der leichteren Wartbarkeit eine eigene Textdatei an

Kapitel 1. Einführung6proprietäre Systemtechniken oder Formate (z.B. ATRAC3-Codec12)) Kunden an das ei-gene Unternehmen, da es für sie aufwändig oder

5.3 Visualisierung der Ergebnisse im Fallbeispiel141gesetzt und mit zusätzlichem Wissen kommentiert werden; dies erleichtert es demEmpfänger, die Date

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel142view“ mehrere Eigenschaftsfenster (Abbildung 4.14, S. 116) nebeneinander anord

5.3 Visualisierung der Ergebnisse im Fallbeispiel1435.3.3 Handlungsempfehlungen und abschließende KritikDie Auswertungen zeigen auf, wie Kunden Produk

Kapitel 5. Analyse und Verwendung der Kundenmeinungen im Fallbeispiel144zeugt“ sind und diese vehement „verteidigen“. Werden die Ergebnisse mit einem

6.1 Zusammenfassung und Vergleich mit Alternativen145Kapitel 6Zusammenfassung und Ausblick6.1 Zusammenfassung und Vergleich mit AlternativenIn vorlieg

Kapitel 6. Zusammenfassung und Ausblick146ren Vergleich der Ergebnisse erforderlich und senkt gleichzeitig den Variantenreichtum.Bei einer mündlichen

6.2 Ausblick1476.2 AusblickDas Problem vertrauenswürdiger Quellen beschäftigt auch die Verfechter des SemanticWeb (S. 37). In ihrem Beitrag gehen [Ber

6.2 Ausblick148

VAbkürzungsverzeichnis3PL Third Party Logistics4PL Fourth Party LogisticsA.E. American Englishal. alteri (= die anderen)ATRAC Adaptive Transform Acous

VIIBM International Business MachinesIDC International Data CorporationIDF Inverted Document FrequencyIE Information ExtractionIR Information Retrieva

1.4 Forschungshypothesen und Forschungsdesign71.4 Forschungshypothesen und ForschungsdesignIn vorliegender Arbeit wird eine Produktontologie als Besch

VIIPP Prepositional PhrasePREP PrepositionQA Question answeringRDF Resource Description FrameworkRDFS Resource Description Framework SchemaS SentenceS

VIIIAbbildungs- und TabellenverzeichnisAbbildung 1.1 Zusammenhang zwischen Problemstellung und Zielsetzung ...6Abbildung 1

IXAbbildung 4.9 Bildschirmfoto von SPSS Clementine (Ableitung von Vererbungsstrukturen) ..105Abbildung 4.10 Link-Analyse am Fallbeispiel (Auswahl rele

X

Kapitel 1. Einführung8In vorliegender Arbeit kommt ein kombiniertes Forschungsdesign zum Einsatz. Die mitdem Untersuchungsziel verbundenen Modelle und

1.5 Neuartigkeit und Abgrenzung91.5 Neuartigkeit und AbgrenzungDie Neuartigkeit besteht darin, im Bereich „sentiment identification“/ „opinion extrac-

Kapitel 1. Einführung10Die 4-Felder-Matrix aus Abbildung 1.2 (S. 9) zeigt in ihrem ersten Quadranten Ergebnis-se, die auf „harten“ Daten aufbauen, die

1.5 Neuartigkeit und Abgrenzung11können [Helm00]. Ein Unternehmen kann darauf durch ein permanentes online-Moni-toring von Meinungsportalen reagieren,

Kapitel 1. Einführung121.6 Einordnung und Adressanten vorliegender ArbeitVorliegende Arbeit zählt zur anwendungsorientierten Grundlagenforschung und i

1.7 Aufbau der Arbeit und Konventionen131.7 Aufbau der Arbeit und KonventionenVorliegende Arbeit besteht aus fünf weiteren Kapiteln (Abbildung 1.2). I

Kapitel 1. Einführung14mit der automatisierten Identifikation meinungsgebundener Aussagen in Beziehung ste-hen. Des Weiteren werden die aus „Reviews“

2.1 Zielsetzung und Kapitelüberblick15Kapitel 2Grundlagen und Berührungspunktezu anderen Forschungsgebieten2.1 Zielsetzung und KapitelüberblickZiel de

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten162.2 Konsumenten- und Einstellungsforschung2.2.1 Bedeutung der Einstellungsfo

2.2 Konsumenten- und Einstellungsforschung172.2.2 Konzept der EinstellungsforschungDie Einstellungsforschung ist ein Teilbereich der Verhaltenswissens

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten18von Objekten. Bei der Konsumentenforschung beziehen sich Daten auf Indikator

2.2 Konsumenten- und Einstellungsforschung19von Kroeber-Riel et al. aufgestellten Gleichung bewegt den Konsumenten, ein bereitsgekauftes oder in Frage

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten20das Verhalten eines Individuums: Stattdessen wird angenommen, dass sowohl af

Text Mining in der Konsumentenforschung unterbesonderer Berücksichtigung von ProduktontologienDer Wirtschafts- und Sozialwissenschaftlichen Fakultät d

2.2 Konsumenten- und Einstellungsforschung21für „vorgefasste“ Meinungen, welche den Probanden bei einer Befragung vorgelegt wer-den: Sie müssen den Gr

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten22Assoziationen selbst lassen sich wiederum erfassen, indem ein Versuchsleiter

2.2 Konsumenten- und Einstellungsforschung232.2.3 Kritik am Messansatz kognitiver Strukturen in der EinstellungsforschungIn seiner Habilitationsschrif

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten24Kognitionen ist. Zudem wird der Ansatz, zwischen relevanten und irrelevanten

2.2 Konsumenten- und Einstellungsforschung25nen: Ohne Denkschablonen fiele es dem Menschen schwer, die Informationsfülle in kur-zer Zeit aufzunehmen,

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten26Die „kognitive Algebra“ zählt zur Kategorie der Multiattributmodelle und ste

2.2 Konsumenten- und Einstellungsforschung272.2.4 Produktsemantische NetzeEinen weiteren Mangel bei multiattributiven Modellen sieht Grunert in deren

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten28Das Prinzip miteinander vernetzter Wissenseinheiten mit ihren Aktivierungsmu

2.2 Konsumenten- und Einstellungsforschung29Netz, das aus drei miteinander verknüpften Teilbereichen besteht und in seiner Form ei-nem sog. Hypergraph

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten30Abstimmung von Produktanforderungen und -kenntnis steigen die befriedigenden

Tag der Einreichung: 21. Dezember 2005Tag der letzten mündlichen Prüfung: 06. Februar 2006Dekan: Prof. Dr. Ingo KleinErstgutachter: Prof. Dr. Michael

2.2 Konsumenten- und Einstellungsforschung31nicht bei folgendem Anwendungsszenario: Eine Person finanziert ihre Anschaffungüber die Kreditbank des Her

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten322.3 Künstliche Intelligenz und Ontologien2.3.1 Definition und Abgrenzung von

2.3 Künstliche Intelligenz und Ontologien33Wissensbasierte Systeme können über ein sog. „universe of discourse“ nur das repräsentie-ren, was „existier

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten34len, ihre Reihenfolge und Formate fest. Darüber hinaus enthält sie Regeln, w

2.3 Künstliche Intelligenz und Ontologien352.3.2 Resource Description Framework (RDF) und RDFS (Schema) Mithilfe von XML (Extensible Markup Language)

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten36sich ebenfalls nicht bilden. Einen Schritt weiter geht die Ontologiesprache

2.3 Künstliche Intelligenz und Ontologien372.3.3 Ontology Web Language (OWL)In ihrem Beitrag legen [Antoniou04 et al.] die unten aufgeführten Anforder

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten38gegenüber RDF(S) liegt in Booleschen Kombinationen (Vereinigung/ Schnittmeng

2.4 Analyse von Textdaten392.4 Analyse von Textdaten2.4.1 Inhaltsanalyse der empirischen SozialwissenschaftDie Analyse der im Internet abgegebenen Kon

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten40an einen Text und legt im Vorfeld potenziell relevante Wörter, Begriffe und

Vorwortährend meiner Promotionszeit hat der 1. FC Nürnberg mehrmals die Liga gewechselt – Mal ging es aufwärts, Mal ging es abwärts. Das damit verbund

2.4 Analyse von Textdaten41flussfaktoren bleiben außer Acht. Schlüsse und Aussagen bei der „thematic text analysis“gehen auf die Reihenfolge der Konze

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten42Beim Ansatz „semantic text analysis“ codiert der Forscher semantische Bezieh

2.4 Analyse von Textdaten432.4.2 Text Mining und Information ExtractionEine weitere Texttechnologie mit großer Relevanz für vorliegende Arbeit ist das

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten44Im Wesentlichen lässt sich Text Mining in folgende Anwendungsbereiche unterg

2.4 Analyse von Textdaten45Beim Web Mining werden sowohl Verfahren des Text Mining als auch des Data Miningauf Datenstrukturen des Internets angewende

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten46zepte wie Unternehmen, Käufer, Verkäufer und Kaufsumme mit ihren jeweiligenB

2.4 Analyse von Textdaten472.4.3 Textanalytische Ansätze in der Meinungs- und Einstellungsforschung Die für die Literaturanalyse herangezogenen Beiträ

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten48Anhand der Schablone in Abbildung 2.13 (S. 47) werden die einzelnen Beiträge

2.4 Analyse von Textdaten49Autor beim Schreiben eine bestimmte Produktkomponente in den Sinn, so kann er beimTyp „C“ alle damit verbundenen Assoziatio

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten50Mit den unter (2) aufgelisteten Begriffen wird eine Brücke zum Themengebiet

InhaltsverzeichnisIInhaltsverzeichnis1 Einführung1.1 Konzeptioneller Rahmen...

2.4 Analyse von Textdaten51Deskriptoren als Metadaten für thematisch gruppierte Dokumente ableiten oder darausTaxonomien entwickeln. Ferner lassen sic

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten52Unter „Inhaltsanalyse mit Codierung“ (Abbildung 2.13, S. 47) fällt die Aufga

2.4 Analyse von Textdaten53durch „Lemmatisierung“ ein Wort auf seine jeweilige Stammform reduziert. Dies verrin-gert die Dimensionalität in Texten und

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten54Die Sequenzanalyse aus Abbildung 2.13 (S. 47) ist mit der Assoziationsanalys

2.4 Analyse von Textdaten55Im Rahmen der Literaturanalyse interessiert auch, ob die jeweiligen Autoren ihre Ergeb-nisse visualisieren. Hierbei wird zw

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten56richts zu der jeweiligen Kategorie) von 62%. Die Datengrundlage besteht bei

2.4 Analyse von Textdaten57nach Bewertungen gruppiert ausgeben. Die eine Gruppe bestünde aus positiven Berich-ten und die andere aus negativen. Weiter

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten58dingt, um auf Eigenschaften des Kunden zu schließen; diesen Daten fehlen dom

2.4 Analyse von Textdaten59die Klassifikationsregeln aus der Trainingsmenge auf ihre Plausibilität. [Ghani02a et al.]schließen anhand einer klassifizi

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten60Bei der Arbeit „Mining the Peanut Gallery: Opinion Extraction and Semantic C

InhaltsverzeichnisII3 Vorgehensweise sowie potenzielle Anwendungsgebiete und -szenarien 3.1 Zielsetzung und Kapitelüberblick...

2.4 Analyse von Textdaten61zufällig ausgewählten (und im vorab mit einem positiven/ negativen „Tag“ gekennzeich-neten) Sätzen trainieren sie ihren Kla

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten62[Hu04a et al.]/ [Hu04b et al.]/ [Liu05 et al.] (University of Illinois) entw

2.4 Analyse von Textdaten63In seinem Beitrag „Customer feedbacks and opinion surveys analysis in the automotive industry“stellt [Grivel05]100) einen A

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten64Abbildung 2.16 stellt die untersuchten Arbeiten abschließend in einer Übersi

2.5 Fazit652.5 FazitWird abschließend ein Fazit über die untersuchten Forschungsgebiete gezogen, lassensich folgende Entwicklungen festhalten: Im Ber

Kapitel 2. Grundlagen und Berührungspunkte zu anderen Forschungsgebieten66

3.1 Zielsetzung und Kapitelüberblick67Kapitel 3Vorgehensweise sowie potenzielleAnwendungsgebiete und -szenarien3.1 Zielsetzung und KapitelüberblickDen

Kapitel 3. Vorgehensweise sowie potenzielle Anwendungsgebiete und -szenarien683.2 Vorgehensweise und Annahmen3.2.1 Forschungslücke und Unterschiede zu

3.2 Vorgehensweise und Annahmen69In nur wenigen Beiträgen aus den untersuchten Gebieten „sentiment identification“/„opinion extraction“ nutzen Autoren

Kapitel 3. Vorgehensweise sowie potenzielle Anwendungsgebiete und -szenarien70Künstlichen Intelligenz, einem Teilgebiet der Informatik, gibt es dagege

InhaltsverzeichnisIII5 Analyse und Verwendung der Kundenmeinungen im Fallbeispiel5.1 Zielsetzung und Kapitelüberblick ...

3.2 Vorgehensweise und Annahmen71Semantik die Trefferqualität steigern kann: Eine Suchmaschine kann erst zum Informa-tionsbedarf des Nutzers passende

Kapitel 3. Vorgehensweise sowie potenzielle Anwendungsgebiete und -szenarien723.2.2 Annahmen und VoraussetzungenVorliegende Arbeit basiert auf der Ann

3.2 Vorgehensweise und Annahmen733.2.3 Lösungsansatz im ÜberblickIn Abbildung 3.1 ist der Lösungsweg im Überblick dargestellt. Vereinfachend ist die V

Kapitel 3. Vorgehensweise sowie potenzielle Anwendungsgebiete und -szenarien743.3 Potenzielle Anwendungsgebiete und -szenarien3.3.1 Online-Monitoring

3.3 Potenzielle Anwendungsgebiete und -szenarien75den Hersteller sind Erfahrungsberichte wichtig, da sie unverzerrt Meinungen der Kon-sumenten wiederg

Kapitel 3. Vorgehensweise sowie potenzielle Anwendungsgebiete und -szenarien76men nach einer Zeitspanne (ausgehend von der Produkteinführung) die nega

3.3 Potenzielle Anwendungsgebiete und -szenarien773.3.2 Auswertung von Meinungsportalen durch BetreiberMeinungsportale werden durch Werbeeinnahmen, Pr

Kapitel 3. Vorgehensweise sowie potenzielle Anwendungsgebiete und -szenarien78höht zum anderen die sprachliche Qualität der Beiträge. Zusätzlich zu de

3.3 Potenzielle Anwendungsgebiete und -szenarien793.3.3 Semantische Suche für Konsumenten In diesem Szenario steht der Nutzen für den Konsumenten im V

3.3 Potenzielle Anwendungsgebiete und -szenarien80

InhaltsverzeichnisIV

4.1 Zielsetzung und Kapitelüberblick81Kapitel 4Entwicklung der Produktontologieam Fallbeispiel4.1 Zielsetzung und KapitelüberblickIn Kapitel 3 ist der

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel824.2 Beschreibung des Fallbeispiels4.2.1 Zweck des FallbeispielsDie im Folgenden zunächst

4.2 Beschreibung des Fallbeispiels834.2.2 UntersuchungsgegenstandUntersuchungsgegenstand („Domäne“) des Anwendungsbeispiels sind portable MP3-Spieler

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel844.3 Datenerhebung und -aufbereitung4.3.1 Übersicht und Einbettung in den KDD-ProzessDie „

4.3 Datenerhebung und -aufbereitung854.3.2 Datenerhebung und -quellen für eine ProduktontologieDie Datenquelle in vorliegender Arbeit bilden Dokumente

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel86einander getrennt werden. Für den Fall, Meinungen auf bereits bestehendeDatenstrukturen a

4.3 Datenerhebung und -aufbereitung87Sucht ein Nutzer per Internet-Suchmaschine nach Handbüchern oder Kundenmeinun-gen, so können viele facettenreiche

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel88verweist weder auf Passagen noch auf einzelne Sätze. Die häufige „Notlösung“ mancherAutor

4.3 Datenerhebung und -aufbereitung894.3.3 Datenbereinigung und linguistische AnalysenAuf das Retrieval der Dokumente folgen Datenbereinigung und ling

Kapitel 4. Entwicklung der Produktontologie am Fallbeispiel90„preposition phrase“ („head“ ist eine Präposition). Für die Konzepte aus der Produkton-to