Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Text Analytics - Kommunikation systematisch analysieren

113 visualizaciones

Publicado el

Beitrag zur Tagung "Data Analytics" der Nürnberger Initiative für die Kommunikationswirtschaft (NIK e.V.)

Publicado en: Tecnología
  • DOWNLOAD FULL BOOKS, INTO AVAILABLE FORMAT ......................................................................................................................... ......................................................................................................................... 1.DOWNLOAD FULL. PDF EBOOK here { https://tinyurl.com/yxufevpm } ......................................................................................................................... 1.DOWNLOAD FULL. EPUB Ebook here { https://tinyurl.com/yxufevpm } ......................................................................................................................... 1.DOWNLOAD FULL. doc Ebook here { https://tinyurl.com/yxufevpm } ......................................................................................................................... 1.DOWNLOAD FULL. PDF EBOOK here { https://tinyurl.com/yxufevpm } ......................................................................................................................... 1.DOWNLOAD FULL. EPUB Ebook here { https://tinyurl.com/yxufevpm } ......................................................................................................................... 1.DOWNLOAD FULL. doc Ebook here { https://tinyurl.com/yxufevpm } ......................................................................................................................... ......................................................................................................................... ......................................................................................................................... .............. Browse by Genre Available eBooks ......................................................................................................................... Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Cookbooks, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult,
       Responder 
    ¿Estás seguro?    No
    Tu mensaje aparecerá aquí
  • Sé el primero en recomendar esto

Text Analytics - Kommunikation systematisch analysieren

  1. 1. Prof. Dr. Jens Albrecht Text Analytics Kommunikation systematisch analysieren
  2. 2. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 2 Agenda Motivation Natural Language Processing Text Mining Anwendungsfälle
  3. 3. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 3 Kunde im Fokus Text Analytics / Text Mining Extraktion qualitativ hochwertiger Information aus Text mit Hilfe statistischer und maschineller Lernverfahren
  4. 4. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 4 Probleme bei der Arbeit mit Text Technische Probleme viele verschiedene Formate (pdf, txt, jpg) Big Data Audio (Speech-to-Text) Inhaltliche Probleme keine Struktur Mehrdeutigkeit der Sprache Semantik und Pragmatik
  5. 5. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 5 Natural Language Processing
  6. 6. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 6 Natural Language Processing Joe Kaeser, Vorstandsvorsitzender der Firma Siemens, möchte ein neues Werk in Erlangen bauen. Tokenisierung Part-of-Speech Tagging Named Entity Recognition Syntaktische Analyse Semantische Analyse Pragmatische Analyse Lexikalische Analyse
  7. 7. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 7 Natural Language Processing Tokenisierung Part-of-Speech Tagging Named Entity Recognition Syntaktische Analyse Semantische Analyse Pragmatische Analyse Joe Kaeser, Vorstandsvorsitzender der Firma Siemens, möchte ein neues Werk in Erlangen bauen. Lexikalische Analyse
  8. 8. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 8 Natural Language Processing Tokenisierung Part-of-Speech Tagging Named Entity Recognition Syntaktische Analyse Semantische Analyse Pragmatische Analyse Lexikalische Analyse Joe Kaeser, Vorstandsvorsitzender der Firma Siemens, möchte ein neues Werk in Erlangen bauen.
  9. 9. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 9 Natural Language Processing Tokenisierung Part-of-Speech Tagging Named Entity Recognition Syntaktische Analyse Semantische Analyse Pragmatische Analyse Lexikalische Analyse Joe Kaeser, Vorstandsvorsitzender der Firma Siemens, möchte ein neues Werk in Erlangen bauen.
  10. 10. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 10 Natural Language Understanding Tokenisierung Part-of-Speech Tagging Named Entity Recognition Syntaktische Analyse Semantische Analyse Pragmatische Analyse Lexikalische Analyse Problem: Mehrdeutigkeit Semantische Analyse › Was bedeutet der Text? Pragmatische Analyse › Was meint/will der Autor? "Die Diebe stahlen die Bilder. Sie wurden auf dem Schwarzmarkt verkauft." (Wer?) "Die Diebe stahlen die Bilder und verschwanden. Man fand sie später." (Wen?)
  11. 11. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 11 Schwierigkeit von NLP-Anwendungen Question Answering Translation / Dialogue Summarization / Topic Mining Classification / Retrieval Stark Schwach "Shallow NLP" • Simple Sprachmodelle mit vielen Vereinfachungen möglich (Bag-of-Words, N- Gramme) • Schlüsselworte, Phrasen • Verfahren robust "Deep NLP" • Komplexe Sprachmodelle für tiefes Verständnis der Bedeutung erforderlich • Satzübergreifende Aussagen • Verfahren empfindlich nach (Zhai, Massung, 2016, S. 44)
  12. 12. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 12 Text Mining Verfahren
  13. 13. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 13 Text Mining Verfahren Text Mining Supervised Categorization Sentiment Analysis Unsupervised Clustering Latent Semantic Indexing Summa- rization Textaufbereitung mit NLP
  14. 14. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 14 Basis: TF-IDF-Matrix TF: Term Frequency › Häufigkeit eines Terms im Dokument IDF: Inverse Document Frequency › DF = Anzahl der Dokumente, die den Term enthalten › IDF gewichtet seltene (spezifischere) Worte stärker Dokument Haus Auto schön Spaß Ärger D1 2 5 0 0 3 D2 0 0 1 1 1 D3 1 1 3 2 1 D4 1 2 2 1 0 D5 3 0 1 0 1 haben 8 5 6 4 7
  15. 15. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 15 Kategorisierung (Klassifikation) Benötigt gekennzeichnete Trainingsdaten Dokument Haus Auto schön Spaß Ärger D1 2 5 0 0 3 D2 0 0 1 1 1 D3 1 1 3 2 1 D4 1 2 2 1 0 D5 3 0 1 0 4 Sentiment negativ neutral positiv positiv negativ Label
  16. 16. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 16 Topic Analyse Topic 1 Topic 2 Topic 3 TopicsDokumente ... Topic k Doc 1 Doc 2 Doc n... T1 T2 T3 Tk
  17. 17. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 17 Topic Analysis / Latent Semantic Indexing Dokument Verbrauch sparsam zuverlässig Störung D1 2 5 0 0 D2 3 0 1 0 D3 1 3 0 2 D4 1 0 2 3 D5 0 1 4 2 Identifikation "latenter" Konzepte / Themenbereiche
  18. 18. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 18 Topic Analysis / Latent Semantic Indexing Beispiel: "Wirtschaftlichkeit" + "Zuverlässigkeit" Identifikation "latenter" Konzepte / Themenbereiche › Gewichtete Zuordnung von Dokumenten zu Topics › Gewichtete Zuordnung von Termen zu Topics Dokument Verbrauch sparsam zuverlässig Störung D1 2 5 0 1 D2 3 1 1 0 D3 1 3 0 2 D4 1 0 2 3 D5 0 1 4 2
  19. 19. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 19 Topic Analysis mit Singulärwertzerlegung http://topicmodels.west.uni-koblenz.de/ckling/tmt/svd_ap.html
  20. 20. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 20 Anwendungsfälle
  21. 21. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 21 Umsetzung Problem und Ziel Analysemethodik (Fragenabhängig) Projektvorgehen Identifikation des Problems Festlegung des Analyseziels durch konkrete Fragen Auswahl des Analyseverfahrens Aufbereitung der Daten Modell-Erstellung Interpretation der Ergebnisse Ableitung von Maßnahmen Erfolgsmessung
  22. 22. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 22 Anwendungsfall 1: Garantiefälle in der Auto-Industrie Problem: › Fahrzeugprobleme in Garantie-Zeit verursachen hohe Kosten › Vermeidung von Problemfällen hilft Kunden und Hersteller Ansatz: Mining von der Service-Kommentare der Techniker Mögliche Fragen sind: › Was sind häufige Problembereiche? › Was sind die häufigsten betroffenen Komponenten? › Gibt es saisonale Sprünge in der Nennung bestimmter Begriffe wie "Ölwanne undicht", "Tür klappert", "... fällt aus"? › Gibt es eine Beziehung zwischen der Häufigkeit der Nennungen einer Komponente und den verursachten Kosten?
  23. 23. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 23 Anwendungsfall 1: Garantiefälle in der Auto-Industrie Problem: › Fahrzeugprobleme in Garantie- Zeit verursachen hohe Kosten › Vermeidung von Problemfällen hilft Kunden und Hersteller Händler- und Mechaniker- Kommentare CRM-System Kunden-Meldungen User-Foren Text Mining Quelldaten Auto-Zeitschriften
  24. 24. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 24 Anwendungsfall 1: Garantiefälle in der Auto-Industrie Händler- und Mechaniker- Kommentare CRM-System Kunden-Meldungen User-Foren Text Mining Häufigste Begriffe Themen- bereiche Frühwarn- Indikatoren Korrelationen Produktions- prozess anpassen QS bei Zulieferern Unterstützung für Händler und Werkstätten Spezialaktionen für Kunden Ersatzteil- Planung Aktionen Analysen Quelldaten Auto-Zeitschriften
  25. 25. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 25 Anwendungsfall 2: Social Network Analyse Problem: › Kosmetik-Hersteller möchte mehr über Kundinnen und deren Kommentare über eigene Produkte erfahren Ansatz: Mining des eigenen Kundenforums, Produkt- Bewertungen, sozialen Netzen Mögliche Fragen sind: › Über welche Produkte wird am meisten diskutiert? › Gibt es Probleme und Produktmängel? › Wie verändern sich die "heißen" Themen mit der Zeit? › Wer sind die Meinungsführer und was für Meinungen vertreten sie in der Regel (pro/kontra)? › Gibt es Netzwerke unter den Diskutierenden?
  26. 26. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 26 Anwendungsfall 2: Social Network Analyse Problem: › Kosmetik-Hersteller möchte mehr über Kundinnen und deren Meinungen zu eigenen und fremden Produkten erfahren Eigenes Kundenforum Amazon Produktbewertungen Facebook Text Mining Quelldaten
  27. 27. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 27 Anwendungsfall 2: Social Media Mining Eigenes Kundenforum Amazon Produktbewertungen Facebook Text Mining Häufigste Produkte Sentiment Zentrale Personen Themen- bereiche Produkt- verbesserungen Produkt- Ideen Neue Geschäfts- modelle Marketing über Meinungsführer Zielgruppen identifizieren Aktionen Analysen Quelldaten
  28. 28. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 28 Anwendungsfälle Anwendungs- fälle Zielgruppen verstehen Customer Engagement Customer Service Routing Trend Analysis Lead Generation Recruitment Enhancing Predicitve Modeling
  29. 29. NIK Data Analytics 2018 Prof. Dr. Jens Albrecht, TH Nürnberg 29 Fragen? Projektideen? Beratungsbedarf? Kontakt: Jens.Albrecht@th-nuernberg.de Xing: https://www.xing.com/profile/Jens_Albrecht3 LinkedIn: https://www.linkedin.com/in/jens-albrecht-98a61721/ Big Data Meetup Nürnberg: https://www.meetup.com/de-DE/Nuernberg-Big-Data/

×