Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     

Bachelor-Seminar: Künstliche Intelligenz - Opinion Mining in Twitter - Einzelansicht

Grunddaten
Veranstaltungsart Seminar Co-finanziert aus Studienbeiträgen N
Veranstaltungsnummer 3255 Kurztext
Semester SoSe 2014 SWS 2
Erwartete Teilnehmer/-innen 12 Max. Teilnehmer/-innen
Rhythmus i.d.R. jedes 2. Semester Studienjahr / Zielgruppe
Credits 3
Hyperlink http://www.ismll.uni-hildesheim.de/lehre/semAI-14s/index.html Evaluation Ja (als gesamte Veranstaltung - Papier)
Sprache deutsch
Termine Gruppe: 1-Gruppe iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Mi. 14:00 bis 16:00 s.t. wöchentlich 02.04.2014 bis 11.06.2014  Gebäude A (Samelson-Campus) - A 119 Spl (Computerraum IMAI) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mi. 14:00 bis 16:00 s.t. wöchentlich Gebäude B (Samelson-Campus) - B 025 (Seminarraum) Raumplan        
Gruppe 1-Gruppe:


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Schmidt-Thieme, Lars, Professor Dr. Dr. verantwortlich, nicht durchführend
Janning, Ruth , M.Sc. durchführend, nicht verantwortlich
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Bachelor B.Sc. I M I T 3
Bachelor B.Sc. Wirtschaftsinformat (PO 2011) 3
LSF - Module
Modulkürzel Modultitel
0ERA-3LP Veranstaltungen mit 3 Credits f. ausl. Programmstud. (ERASMUS)
IT-SKIML Seminar Künstliche Intelligenz und Maschinelles Lernen (Bachelor)
WI-SEBI Seminar Business Intelligence
Zuordnung zu Einrichtungen
Abt. Wirtschaftsinformatik und Maschinelles Lernen
Inhalt
Literatur

Überblick Opinion Mining/Sentiment Analyse:
Mohammad Sadegh , Roliana Ibrahim, Zulaiha Ali Othman, Opinion Mining and Sentiment Analysis: A Survey, International Journal of Computers & Technology, Volume 2 No. 3, June, 2012.

Informationen über soziale Beziehungen nutzen:
Xia Hu, Lei Tang, Jiliang Tang, Huan Liu, Exploiting Social Relations for Sentiment Analysis in Microblogging, WSDM ’13, February 4–8, 2013, Rome, Italy.

Semantische Features nutzen:
Hassan Saif, Yulan He and Harith Alani, Semantic Sentiment Analysis of Twitter, In: The 11th International Semantic Web Conference (ISWC 2012), 11-15 November 2012, Boston, MA, USA.

Kontrastives Opinion Modeling:
Yi Fang, Luo Si, Naveen Somasundaram, Zhengtao Yu, Mining Contrastive Opinions on Political Texts using Cross-Perspective Topic Model, WSDM’12, February 8–12, 2012, Seattle, Washingtion, USA.

Ontologie-basierte Sentiment Analyse:
Matteo Baldoni, Cristina Baroglio, Viviana Patti and Paolo Rena, From Tags to Emotions: Ontology-driven Sentiment Analysis in the Social Semantic Web, Journal of Intelligenza Artificiale, 6(1):41-54, 2012.

Gemeinsame Sentiment-Topic Erkennung:
Chenghua Lin, Yulan He, Richard Everson and Stefan Rüger, Weakly-supervised Joint Sentiment-Topic Detection from Text, IEEE Transactions on Knowledge and Data Engineering (Volume:24 , Issue: 6), 2012.

Data Sparsity mindern:
Hassan Saif, Yulan He, Harith Alani, Alleviating Data Sparsity for Twitter Sentiment Analysis, MSM2012 - 2nd Workshop on Making Sense of Microposts, MSM2012, April 16, 2012, Lyon, France.

Einfluss anderer Faktoren:
Onur Kucuktunc, B. Barla Cambazoglu, Ingmar Weber, Hakan Ferhatosmanoglu, A Large-Scale Sentiment Analysis for Yahoo! Answers, WSDM’12, February 8–12, 2012, Seattle, Washington, USA.

Bemerkung

Der erste Termin dieses Seminars findet am Mittwoch, 23.04.14, 14:00 Uhr in Raum B25 statt.

Lerninhalte

Das Datenvolumen in sozialen Netzwerken und Microblogs, wie z.B. Twitter, ist in den letzten Jahren enorm angestiegen.
Es liegt nahe, diese Daten zu analysieren und zu nutzen. Ein wichtiges Anwendungsfeld ist beispielsweise die automatische Interpretation von Produkt-Bewertungen oder die automatische Erkennung der Stimmung (Meinung) des Verfassers eines untersuchten Dokuments. Diese Art der Text-Analyse wird unter den Oberbegriffen Opinion Mining und Sentiment Analysis zusammengefasst und ist eine Weiterführung des Natural Language Processing (NLP).
In diesem Seminar wollen wir state-of-the-art Methoden des Opinion Minings angewandt auf Twitter untersuchen. Jeder Student bekommt eine aktuelle Arbeit aus diesem Themengebiet zugewiesen und soll diese Arbeit vorstellen, interpretieren und einordnen. Dafür soll ein Vortrag gehalten und eine Seminararbeit erstellt werden.

Zielgruppe

Studierende des Studiengangs Informationsmanagement und Informationstechnologie und Wirtschaftsinformatik


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2014 , Aktuelles Semester: WiSe 2018/19
Impressum      Datenschutzerklärung     Datenschutz