Text Mining auf annotierten Texten

Präsentation zum Thema: "Text Mining auf annotierten Texten"—  Präsentation transkript:

1 Text Mining auf annotierten Texten
Prof. Dr. Brigitte Mathiak

2 Was ist Text Mining? Die Kunst aus Text etwas maschinenverwertbares zu machen Methodisch an der Schnittstelle zwischen Natural Language Processing und Data Mining Grundkenntnisse in Computerlinguistik, aber auch in KI sind hilfreich

3 Was kann man mit Text Mining machen?
Klassische sind Textklassifikation (z.B. Spam) und Themenanalyse (z.B. für Verzeichnisse) Man kann allerdings auch andere Daten miteinbeziehen (z.B. Zeit) und dann Trendanalysen machen Oft sucht man nicht nach Klassen, sondern versucht besonders ähnliche oder besonders unähnliche Dokumente zu finden Mit Hilfe von Extrawissen, z.B. Wortdatenbanken, kann man auch spezielle Einschätzungen machen, z.B. ob jemand ein Thema positiv oder negativ sieht

4 Annotated Text An annotation is metadata (e.g. a comment, explanation, presentational markup) attached to text, image, or other data. Often, annotations refer to a specific part of the original data. (Wikipedia) Der wohl häufigste annotierte Text sind Webseiten, bei denen Informationen zu Layout, etc. in HTML codiert sind. Hier sind wir an inhaltlichen Annotationen interessiert, wenn also ein Mensch ein oder mehrere Worte mit einem Kommentar versehen haben

5

6 QDA-Software und annotierte Textkorpora
Hauptseminar Text Mining auf annotierten Texten Cologne Center for eHumanities (CCeH) University of Cologne Universität zu Köln

7 Qualitative Datenanalyse
wird in vielen sozial- und geisteswissenschaftlichen Disziplinen angewendet ermöglicht vertiefte Einblicke in beobachtete Phänomene mittels z.B. offener oder (semi-)strukturierter oder problemzentrierter Interviews, Experteninterviews und Gruppendiskussionen qualitativer Inhalts- und Diskursanalyse (z.B. Medien etc.) KEINE generalisierende Schlüsse aufgrund meist geringer Fallzahlen und Sampling Bias Cologne Center for eHumanities (CCeH) University of Cologne Universität zu Köln

8 QDA-Software ist zunächst lediglich eine Datenbank in Kombination mit spezifischen Funktionen für Annotation (drag&drop), Editierung und Visualisierung gibt keine bestimmte Methode der Analyse vor, beeinflusst aber deren Optionen sowie den Arbeitsstil Funktionalität ist insbesondere im Hinblick auf Export durchaus heterogen (XML bei Max QDA und Atlas.ti, HTML nur pro Code/ „node“ bei NVivo) Cologne Center for eHumanities (CCeH) University of Cologne Universität zu Köln

9 Atlas.ti Universität zu Köln Cologne Center for eHumanities (CCeH)
University of Cologne

10 NVivo Universität zu Köln Cologne Center for eHumanities (CCeH)
University of Cologne

11 MaxQDA #1 Qual. Interview
Universität zu Köln

12 MaxQDA #2: Inhaltsanalyse
Universität zu Köln

13 MaxQDA #3 Diskursanalyse
Universität zu Köln

14 MaxQDA #4 eTRACES (GESIS)
Universität zu Köln

15 Vorhandene Datensätze
MaxQDA: Forschungsdaten mit Codesystem im zeitl. Verlauf (5) Beispieldaten (3) Nvivo: Forschungsdaten (3) Beispieldaten (?) Atlas.ti: Beispieldaten (5) Cologne Center for eHumanities (CCeH) University of Cologne Universität zu Köln

16 Mögliche Forschungsbereiche
Prediction Codes Prediction Codenamen/ -konzepte Modellierung in TEI Evolution von Codesystemen (-kategorien) Linguistische Analysen von Codes Code-Kontext Individualität (Prediction Coder) Unterschiedliche Akzente MaxQDA, atlas.ti, NVivo Cologne Center for eHumanities (CCeH) University of Cologne Universität zu Köln

17 Der Aufbau Zweier- oder Dreiergruppen mit gemischten Erfahrungen
Thema soll praktisch bearbeitet werden Es wird evtl. keine „gute“ Lösung geben, daher ist es wichtig den Weg zu dokumentieren Eine der angewendeten Lösungsmethoden soll theoretisch aufgearbeitet werden Im Vortrag und im Seminar wird dann beides vorgestellt

18 Vortrag und Hausarbeit
Vortrag: 20 min + 10 min Diskussion Einen Entwurf der Folien brauche ich spätestens eine Woche vor dem Vortragstermin 2 bis 3 Vortragstermine am Ende des Semesters bei denen dann alle geblockt vortragen Ausarbeitung: Ca. 20 Seiten Ein Teil in dem die Zusammenarbeit und Arbeitsaufteilung im Team beschrieben wird (z.B. Evelyn hat programmiert, ich habe die Recherchen gemacht und den Text geschrieben, Friedrich hat 500 Dokumente gelabelt) Mindestens 3 echte wissenschaftliche Papiere referenzieren Abgabe am Ende des Semesters; Maximale Verlängerung mit Ausrede bis zum

19 Bewertung Eigenständiges Arbeiten und Recherchieren Witzige Ideen
Gute Kommunikation Fleiß Schönes Layout Gute Ergebnisse

20 Themen Prediction Codes Prediction Codenamen/ -konzepte
Modellierung in TEI Evolution von Codesystemen (-kategorien) Linguistische Analysen von Codes Code-Kontext Individualität (Prediction Coder) Unterschiedliche Akzente MaxQDA, atlas.ti, NVivo