|
Fine-grained position analysis for political texts
Zirn, Cäcilia
Dies ist die aktuellste Version dieses Eintrags.
![[img]](https://madoc.bib.uni-mannheim.de/42458/7.hassmallThumbnailVersion/DissertationZirn2016.pdf)  Vorschau |
|
PDF
DissertationZirn2016.pdf
- Veröffentlichte Version
Download (1MB)
|
|
URL:
|
https://madoc.bib.uni-mannheim.de/42458
|
|
URN:
|
urn:nbn:de:bsz:180-madoc-424585
|
|
Dokumenttyp:
|
Dissertation
|
|
Erscheinungsjahr:
|
2016
|
|
Ort der Veröffentlichung:
|
Mannheim
|
|
Hochschule:
|
Universität Mannheim
|
|
Gutachter:
|
Stuckenschmidt, Heiner
|
|
Datum der mündl. Prüfung:
|
6 September 2016
|
|
Sprache der Veröffentlichung:
|
Englisch
|
|
Einrichtung:
|
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Practical Computer Science II: Artificial Intelligence (Stuckenschmidt 2009-)
|
|
Fachgebiet:
|
004 Informatik
|
|
Normierte Schlagwörter (SWD):
|
Text Mining
|
|
Freie Schlagwörter (Englisch):
|
Sentiment Analysis , Position Analysis , Opinion Mining , Text Mining
|
|
Abstract:
|
Meinungsanalyse auf politischen Textdaten hat im Bereich der Computerlinguistik in den letzten
Jahren stets an Bedeutung gewonnen. Dabei werden politische Texte zumeist in voneinander
diskrete Klassen unterteilt, wie zum Beispiel pro vs. contra oder links vs. rechts. In den
Politikwissenschaften dagegen werden bei der Analyse von politischen Texten Positionen auf
Skalen mit fließenden Werten abgebildet. Diese feingranulare Darstellung ist für die dort
gegebenen Fragestellungen erforderlich. Das Feld der “quantitativen Analyse” - der automatisierten
Analyse von Texten - die der traditionellen qualitativen Analyse gegenüber steht, hat
erst kürzlich mehr Beachtung gefunden. Bisher werden Texte dabei zumeist lediglich durch
Worthäufigkeiten dargestellt und ohne jegliche Struktur modelliert.
Wir entwickeln in dieser Dissertation Ansätze basierend auf Methoden der Computerlinguistik
und der Informatik, die gegeignet sind, politikwissenschaftliche Forschungsfragen zu untersuchen.
Im Gegensatz zu bisherigen Arbeiten in der Computerlinguistik klassifizieren
wir nicht diskrete Klassen von Meinungen, sondern projizieren feingranulare Positionen auf
fließende Skalen. Darüber hinaus schreiben wir nicht Dokumenten ganzheitlich eine Position
zu, sondern bestimmen die Meinungen zu den jeweiligen Themen, die in den Texten enthalten
sind. Diese mehrdimensionale Meinungsanalyse ist nach unserem Kenntnisstand neu im
Bereich der quantitativen Analyse.
Was unsere Ansätze von anderen Methoden unterscheidet, sind insbesondere folgende zwei
Eigenschaften: Zum Einen nutzen wir Wissen aus externen Quellen, das wir in die Verfahren
einfließen lassen - beispielsweise integrieren wir die Beschreibungen von Ministerien des Bundestags
als Definition von politischen Themenbereichen, mit welchen wir automatisch Themen
in Parteiprogrammen erkennen. Zum Anderen reichern wir unsere Verfahren mit linguistischem
Wissen über Textkomposition und Dialogstruktur an. Somit gelingt uns eine tiefere
Modellierung der Textstruktur.
Anhand der folgenden drei Fragestellungen aus dem Bereich der Politikwissenschaften untersuchen
wir die Umsetzung der oben beschriebenen Methoden:
1. Multi-Dimensionale Positionsanalyse von Parteiprogrammen
2. Analyse von Themen und Positionen in der US-Präsidentschaftswahl
3. Bestimmen von Dove-Hawk-Positionen in Diskussionen der amerikanischen Zentralbank
Wir zeigen, dass die vorgestellten Lösungen erfolreich feingranulare Positionen in den jeweiligen
Daten erkennen und analysieren Möglichkeiten sowie Grenzen dieser zukunftsweisenden
Verfahren.
|
 | Dieser Eintrag ist Teil der Universitätsbibliographie. |
 | Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt. |
Verfügbare Versionen dieses Eintrags
-
Fine-grained position analysis for political texts. (deposited 19 Jul 2017 07:40)
[gerade ausgewählt]
 Suche Autoren in
Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail
Actions (login required)
 |
Eintrag anzeigen |
|
|
