Analyse von Kundenfeedback

Projektdurchführung

Prof. Dr. Wolfram Höpken,

Forschungsgruppe Internet of Things (IoT), Institut für Digitalen Wandel (IDW), Amadeus Airport IT

Einführung

• Große Mengen an Kundenfeedback und Produktbewertungen (UGC) verfügbar in nahezu allen Branchen
• Automatische Auswertung mittels Methoden des Text Mining unumgänglich (Sentiment Analysis & Topic Detection)

Zielsetzung 

• Sentiment Analysis & Topic Detection mittels wortlistenbasierter und supervised Machine Learning Ansätze
• Dynamische Erkennung von Topics auf unterschiedlichen Abstraktionsebenen mittels unsupervised Learning (Clustering) und aspektbasierten Verfahren

Methodik

Datenextraktion & Aufbereitung

• Extraktion von Produktbewertungen mittels Web Crawling (Reguläre Ausdrücke und XPath)
• Text-Preprocessing: Tokenization, Entfernen von Stopp-Wörtern, Reduktion auf den Wortstamm, Part-of-Speech (POS) Tagging, N-Gramme, Erzeugung eines Word-Vektors (Bag of Words)

Supervised Learning

• Wortlistenbasierte Sentiment- und Topic Detection
• K-nearest-neighbors (k-NN), Naïve Bayes und Support Vector Machines (SVM)

Unsupervised Learning

• Keyword Clustering (k-Means)
• Latent Semantic Indexing (LSI)

Aspektorientierte Verfahren

• POS Tag Patterns
• Named Entity Recognition (NER) mit Conditional Random Fields (CRF)
• Dependency Parsing und SentiWordNet

Ergebnisse

Ergebnisse Supervised Topic Detection

 

Ergebnisse Sentiment Detection

 

Ergebnisse Unsupervised Topic Detection mit k-means Clustering
 

 

Benchmarking auf Basis des durchschnittlichen Sentiments pro Topic und Anbieter
 

 

Zusammenfassung

• Text Mining als sinnvolle Möglichkeit zur automatischen Analyse von Kundenfeedback und Produktbewertungen
• Unsupervised Topic Detection erkennt Topics dynamisch (Topic Drift) und fein-granular (Topic-Hierarchie)

Literatur

1. Höpken, W., Fuchs, M., Menner, Th. and Lexhagen, M. 2017b. “Sensing the Online Social Sphere - the Sentiment Analytical Approach”, Xiang, Z. and Fesenmaier, D.R. (Ed.s.), Analytics in Smart Tourism Design – Concepts and Methods, Springer, Cham: 129-146.
2. Menner, T., Höpken, W., Fuchs, M. and Lexhagen, M. 2016. “Topic detection – Identifying relevant topics in tourism reviews”, in Inversini, A. and Schegg, R. (Ed.s.), Information and Communication Technologies in Tourism 2016, Springer, New York: 411-423.
3. Schmunk, S., Höpken, W., Fuchs, M. and Lexhagen, M. 2014. “Sentiment Analysis – Implementation and Evaluation of Methods for Sentiment Analysis with Rapid-Miner®”, in Xiang, Ph. and Tussyadiah, I. (Ed.s.), Information and Communication Technologies in Tourism 2014, Springer, New York: 253-265)