imported>Invisigoth67: form

2024-04-09T14:08:39Z

form

Neue Seite

'''Sentiment Detection''' (auch '''Sentimentanalyse''', [[Englische Sprache|englisch]] für „Stimmungserkennung“) ist ein Untergebiet des [[Text Mining]] und bezeichnet die automatische Auswertung von Texten mit dem Ziel, eine geäußerte Haltung als positiv oder negativ zu erkennen.

== Einführung ==
Menschen unterhalten sich in [[Natürliche Sprache|natürlichen Sprachen]], Sprachen also, die Bedeutung und Information anders als [[formale Sprache]]n nicht eindeutig und nicht allein strukturell übermitteln und deren automatische Verarbeitung durch Computer dadurch erschwert wird. Die [[Computerlinguistik]] erforscht, wie man mit Computern trotzdem natürliche Sprache analysieren kann. Lange Zeit hoffte man dabei auf die [[Künstliche Intelligenz]], die versucht, intelligente Systeme zu schaffen, doch da selbst moderne Computer von diesem Ziel noch weit entfernt sind, grenzte man die Ziele der Sprachverarbeitung stark ein und wandte sich einfacheren aber erfolgversprechenderen Methoden zu. Ein solches Ziel ist es, spezielles Wissen aus Texten herauszuarbeiten, z. B. das Thema oder – wie hier – die Einstellung des Autors zu diesem Thema. Das Gebiet, das sich mit der Lösung solcher Aufgaben beschäftigt, nennt sich [[Text Mining]], in Anlehnung an [[Data-Mining]], mit dem es die Grundideen gemeinsam hat. Die Methoden, mit denen die ''Sentiment Detection'' arbeitet, entstammen Gebieten wie [[Statistik]], [[Maschinelles Lernen|maschinellem Lernen]] und [[Natural language processing]].

== Vorgehen ==
Die Aufgabenstellung der ''Sentiment Detection'' wird durch statistische Methoden angegangen. Darüber hinaus kann man die Grammatik der untersuchten Äußerungen einbeziehen. Zur statistischen Analyse geht man von einer Grundmenge von Begriffen (oder [[N-Gramm]]en) aus, mit denen man positive oder negative Tendenzen verbindet. Die Häufigkeiten positiver und negativer Begriffe im analysierten Text werden einander gegenübergestellt und bestimmen die vermutete Haltung.

Darauf aufbauend lassen sich Algorithmen des [[Maschinelles Lernen|maschinellen Lernens]] anwenden. Auf Grundlage von vorverarbeiteten Texten, zu denen die Haltungen bekannt sind, können solche Algorithmen auch für weitere Begriffe lernen, welcher Tendenz sie zuzuordnen sind.

Mit Hilfe von Techniken des [[Natural language processing]]s kann Wissen über die natürliche Sprache in die Entscheidung einfließen. Wird beispielsweise die Grammatik der Texte analysiert, können maschinell erlernte Muster auf die Struktur angewendet werden.

== Beispiel ==
Eine Untersuchung mehrerer hunderttausend Liedern [[Populäre Musik|populärer Musik]] verschiedener Jahrzehnte legt nahe, dass sich die Grundstimmung in Musik verarbeiteter Texte ins Negative verschiebt. Zudem lässt sich anhand der Wortwahl eine höhere Personalisierung der beschriebenen Handlungen nachvollziehen.<ref>{{Literatur |Autor=Emilia Parada-Cabaleiro, Maximilian Mayerl, Stefan Brandl, Marcin Skowron, Markus Schedl, Elisabeth Lex, Eva Zangerle |Titel=Song lyrics have become simpler and more repetitive over the last five decades |Sammelwerk=Scientific Reports |Band=14 |Nummer=1 |Datum=2024-03-28 |ISSN=2045-2322 |DOI=10.1038/s41598-024-55742-x |PMC=10978890 |PMID=38548740 |Online=https://www.nature.com/articles/s41598-024-55742-x |Abruf=2024-04-09}}</ref>

== Literatur ==
* Bing Liu: ''Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data'', Berlin [u. a.], Springer, 2007.
* Bo Pang u. Lillian Lee: ''Opinion Mining and Sentiment Analysis'', Hanover (MA), Now Publishers, 2008.
* Haselmayer, Martin u. Marcelo Jenny (2017). [https://link.springer.com/article/10.1007%2Fs11135-016-0412-4 Sentiment analysis of political communication: combining a dictionary approach with crowdcoding.] ''Quality and Quantity'' 51 (6): 2623–2646.
* Rudkowsky, Elena, Martin, Haselmayer, Matthias Wastian, Marcelo Jenny, Stefan Emrich, and Michael Sedlmair (2018). [https://www.tandfonline.com/doi/full/10.1080/19312458.2018.1455817 More than bags of words: Sentiment Analysis with word embeddings.] ''Communication Methods and Measures'' 12(2–3): 140–157.
* {{Literatur| Autor=Melanie Siegel, Melpomeni Alexa| Titel=Sentiment-Analyse deutschsprachiger Meinungsäußerungen| Verlag=[[Springer Vieweg]]| Ort=Wiesbaden| Datum=2020 | ISBN=978-3-658-29698-8 | DOI=10.1007/978-3-658-29699-5}}

== Quellen ==
Sofern nicht anders angegeben, entstammt der Artikelinhalt der Hauptquelle:
* C. Ziegler: ''[https://www.heise.de/select/ix/archiv/2006/10/seite-106 Die Vermessung der Meinung. Sentiment Detection: maschinelles Textverständnis.]'' In: ''[[iX – Magazin für professionelle Informationstechnik]].'' 10, Okt 2006, S. 106ff.

== Einzelnachweise ==
<references />

[[Kategorie:Computerlinguistik]]
[[Kategorie:Data-Mining]]

Sentiment Detection - Versionsgeschichte

imported>Invisigoth67: form