Logo des Repositoriums

Auflistung nach Autor:in "Liebeck, Matthias"

1 - 4 von 4
  • Konferenzbeitrag
    Aspekte einer automatischen Meinungsbildungsanalyse von Online-Diskussionen
    (Datenbanksysteme für Business, Technologie und Web (BTW 2015) - Workshopband, 2015) Liebeck, Matthias
    Heutzutage haben Menschen die Möglichkeit, ihre Meinung zu verschiedensten Themen in onlinebasierten Diskussionsplattformen zu äußern. Diese Meinungen können in Form einer Meinungsbildungsanalyse genauer untersucht werden. In diesem Beitrag werden verschiedene Aspekte einer automatisierten Diskussionsverfolgung untersucht. Dazu werden Analysekriterien definiert und die vorgestellten Ansätze auf zwei deutschsprachige Datensätze angewendet.
  • Zeitschriftenartikel
    Text Mining für Online-Partizipationsverfahren: Die Notwendigkeit einer maschinell unterstützten Auswertung
    (HMD Praxis der Wirtschaftsinformatik: Vol. 54, No. 4, 2017) Liebeck, Matthias; Esau, Katharina; Conrad, Stefan
    Online-Partizipationsverfahren werden in den letzten Jahren vermehrt von Städten und Gemeinden eingesetzt, um ihre Bürger in politische Entscheidungsprozesse einzubeziehen. Der vorliegende Beitrag beginnt mit einer Kategorisierung von Online-Partizipationsverfahren im politischen Kontext in Deutschland und fokussiert auf das Beteiligungsprojekt Tempelhofer Feld in Berlin. Dazu werden die Probleme einer manuellen Auswertung und die Notwendigkeit einer maschinell unterstützten Auswertung von Textbeiträgen aus Partizipationsverfahren beschrieben.Im Beitrag wird auf die Probleme und Lösungsmöglichkeiten in den drei Analysebereichen Argument Mining, Themenextraktion und Erkennung von Emotionen eingegangen. Für den Bereich Argument Mining wird ein geeignetes dreiteiliges Argumentationsmodell, welches auf das Online-Partizipationsverfahren Tempelhofer Feld der Stadt Berlin angewendet wird, diskutiert. Zudem wird der Einsatz von word embeddings als Features für eine Support Vector Machine zur automatisierten Klassifikation von Argumentationskomponenten evaluiert. Anschließend wird ein Einblick in das Aufgabengebiet der Themenextraktion, dessen Ziel die Erstellung eines groben Überblicks über die diskutierten Themen eines Online-Partizipationsverfahrens ist, gegeben und die Ergebnisse zweier Verfahren werden diskutiert. Danach erfolgt eine Diskussion über die Einsatzmöglichkeiten einer automatisierten Emotionserkennung im Kontext von Online-Partizipationsverfahren.AbstractIn recent years cities and municipalities rely increasingly on online participation processes to involve their citizens in political decision-making processes. This paper opens by categorizing political online participation processes in Germany before focusing on one participation project in particular, namely the Tempelhofer Feld in Berlin. In addition, the problems of a manual analysis of text contributions from participation processes are outlined in order to highlight the necessity for automatically supported evaluations.We discuss problems and possible solutions in three areas of analysis: argument mining, topic extraction, and emotion mining. For argument mining, a suitable three-part argumentation model is discussed which is applied to the online participation process Tempelhofer Feld. Furthermore, word embeddings are being evaluated as features for a support vector machine tasked with the automated classification of argumentation components. Subsequently, we focus on topic extraction, which aims to provide a rough overview of the topics discussed in an online participation process, and present the results of two methods. The paper concludes with a discussion on possible applications of an automated recognition of emotions in the context of online participation processes.
  • Zeitschriftenartikel
    The First Data Science Challenge at BTW 2017
    (Datenbank-Spektrum: Vol. 17, No. 3, 2017) Hirmer, Pascal; Waizenegger, Tim; Falazi, Ghareeb; Abdo, Majd; Volga, Yuliya; Askinadze, Alexander; Liebeck, Matthias; Conrad, Stefan; Hildebrandt, Tobias; Indiono, Conrad; Rinderle-Ma, Stefanie; Grimmer, Martin; Kricke, Matthias; Peukert, Eric
    The 17th Conference on Database Systems for Business, Technology, and Web (BTW2017) of the German Informatics Society (GI) took place in March 2017 at the University of Stuttgart in Germany. A Data Science Challenge was organized for the first time at a BTW conference by the University of Stuttgart and Sponsor IBM. We challenged the participants to solve a data analysis task within one month and present their results at the BTW. In this article, we give an overview of the organizational process surrounding the Challenge, and introduce the task that the participants had to solve. In the subsequent sections, the final four competitor groups describe their approaches and results.
  • Konferenzbeitrag
    Understanding Trending Topics in Twitter
    (Datenbanksysteme für Business, Technologie und Web (BTW 2017) - Workshopband, 2017) Kahlert, Roland; Liebeck, Matthias; Cornelius, Joseph
    Many events, for instance in sports, political events, and entertainment, happen all over the globe all the time. It is difficult and time consuming to notice all these events, even with the help of different news sites. We use tweets from Twitter to automatically extract information in order to understand hashtags of real-world events. In our paper, we focus on the topic identification of a hashtag, analyze the expressed positive, neutral, and negative sentiments of users, and further investigate the expressed emotions. We crawled English tweets from 24 hashtags and report initial investigation results.