Skip to main content
SpringerLink
Log in

Opinion Mining im Web 2.0 — Konzept und Fallbeispiel

  • Published:
HMD Praxis der Wirtschaftsinformatik Aims and scope Submit manuscript

Zusammenfassung

Das Internet wandelt sich zunehmend von einer statischen zu einer interaktiven Plattform. Kundendiskussionen im Web 2.0 stellen für Unternehmen eine reichhaltige Informationsquelle dar. Eine manuelle Analyse des Web 2.0 ist jedoch zeitaufwendig. In diesem Beitrag wird ein Opinion-Mining-Konzept vorgestellt, das durch den Einsatz von Text Mining eine automatisierte Extraktion, Aggregation und Analyse von Kundenmeinungen zu Produkten erlaubt. Somit können Stärken und Schwächen von Produkten erkannt und Ansatzpunkte für die Produktgestaltung und Verkaufsförderung gewonnen werden. Anwendung und Nutzen des Konzeptes werden an einem Fallbeispiel der Automobilbranche aufgezeigt.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Literatur

  1. Baluja, S.; Mittal, V. O.; Sukthankar, R.: Applying Machine Learning for High Performance Named-Entity Extraction. Computational Intelligence, Vol. 16, No. 4, 2000, S. 586–595.

    Article  Google Scholar 

  2. Cortes, C.; Vapnik, V. N.: Support Vector Networks. In: Machine Learning, 20, 1995, S. 273–297.

    MATH  Google Scholar 

  3. Dave, K.; Lawrence, S.; Pennock, D. M.: Mining the Peanut Gallery: Opinion Extraction and Semantic Classification of Product Reviews. In: Proceedings of the 12th International Conference on World Wide Web. ACM Press, Budapest, 2003, S. 519–528.

    Google Scholar 

  4. Ganapathibhotla, M.; Liu, B.: Mining Opinions in Comparative Sentences. In: Proceedings of the 22nd International Conference on Computational Linguistics, Manchester, 2008, S. 241–248.

  5. Ethority: Brands in Social Media. Hightext Verlag, 2008.

  6. Etzioni, O.; Cafarella, M.; Downey, D.; Popescu, A. M.; Shaked, T.; Soderland, S.; Weld, D. S.; Yates, A.: Unsupervised Named-Entity Extraction from the Web: An Experimental Study. In: Artificial Intelligence 165(1), 2005, S. 191–134.

    Article  Google Scholar 

  7. Kao, A.; Poteet, S.: Overview. In: Kao, A.; Poteet, S. R. (Hrsg.): Natural Language Processing and Text Mining. Springer-Verlag, London, 2007, S. 1–7.

    Chapter  Google Scholar 

  8. Liu, B.: Web Data Mining: Exploring Hyperlinks, Contents and Usage Data. Springer-Verlag, Berlin, Heidelberg, 2007.

    Google Scholar 

  9. Liu, B.; Hu, M.; Cheng, J.: Opinion Observer: Analyzing and Comparing Opinions on the Web. Proceedings of International World Wide Web Conference, Chiba, Japan, 2005.

    Google Scholar 

  10. Mariampolski, H.: Qualitative Market Research. A comprehensive guide. Sage Publications, Thousand Oaks, USA, 2001.

    Google Scholar 

  11. Morik, K.; Worbel, S.; Joachims, T.: Maschinelles Lernen und Data Mining. In: Görz, G.; Rollinger, C.; Schneeberger, J. (Hrsg.): Handbuch der Künstlichen Intelligenz. 3. Aufl., Oldenbourg Verlag, München, 2000, S. 517–598.

    Google Scholar 

  12. Pang, B.; Lee, L.; Vaithyanathan, S.: Thumbs up? Sentiment Classification Using Machine Learning Techniques. Proceedings of the 2002 Conference on Empirical Methods in Natural Language Processing, 2002.

  13. Popescu, A. M.; Etzioni, O.: Extracting Product Features and Opinions from Reviews. In: Kao, A.; Poteet, S. R. (Hrsg.): Natural Language Processing and Text Mining. Springer-Verlag, London, 2007, S. 9–28.

    Chapter  Google Scholar 

  14. Turney, P.: Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews. Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics, 2002.

  15. Verband der deutschen Automobilindustrie e.V. (VDA): Auto Jahresbericht 2008. www.vda.de/download/489; Zugriff am 22.09.2008.

  16. Weiss, S. M.; Indurkhya, N.; Zhang, T.; Damerau, F. J.: Text Mining — Predictive Methods for Analyzing Unstructured Information. Springer-Verlag, New York, 2005.

    MATH  Google Scholar 

  17. Witten, I.: Text Mining. In: Singh, M. (Hrsg.): Practical Handbook of Internet Computing. Capman & Hall/CRC Press, Boca Raton, Florida, 2005, S. 14–22.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl Wirtschaftsinformatik II, Friedrich-Alexander-Universität Erlangen-Nürnberg, Lange Gasse 20, 90403, Nürnberg

    Carolin Kaiser

Authors
  1. Carolin Kaiser
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Carolin Kaiser.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Kaiser, C. Opinion Mining im Web 2.0 — Konzept und Fallbeispiel. HMD 46, 90–99 (2009). https://doi.org/10.1007/BF03340384

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/BF03340384

Search

Navigation