Text Mining

Aus Social Media Manager
Zur Navigation springen Zur Suche springen

Begriffsdefinition

Unter Text Mining versteht man die Extraktion von Mustern und Strukturen aus großen Textdatenbeständen mittels bestimmter, überwiegend automatisiert ablaufender Analyseverfahren. Hierdurch wird eine qualitative Textaufbereitung erzeugt, die in vielen Anwendungsfeldern der Wirtschafts- und Sozialwissenschaften genutzt wird. In der Wissenschaft wird es oft als Unterkategorie des Data Mining beschrieben.

Ziele

Folgende Ziele werden hierbei verfolgt:

  • Mehrwerte aus vorhandenen Datenbeständen generieren.
  • Datenstrukturierung und -analyse bei großen Datenbeständen, sog. Big Data durchführen.
  • effiziente und zukunftsweisende Werkzeuge intelligenter Systeme nutzen, um große Datenbestände aufzubereiten, z.B. mittels Künstlicher Intelligenz.

Anwendungsbeispiele

Medizinwissenschaft

In der medizinischen Forschung kann durch die Systematik des Text Mining nach Forschungsergebnissen oder Behandlungsmethoden recherchiert werden, sodass dem Medizinpersonal hier geeignete Behandlungsansätze vorgeschlagen werden.

Sozialwissenschaft

Im sozialwissenschenschaftlichen Bereich gibt es Entwicklungen, das Text Mining als Rechercheinstrument zur Analyse von Stimmungen und Einstellungen zu nutzen. Hier kann beispielsweise analysiert werden, wie Kunden ein bestimmtes Produkt bewerten. Inhärente Meinungen, die nicht so offenkundig wie in Bewertungsportalen dargestellt werden, sondern in diversen Textformaten, werden durch das Text Mining in ähnlicher Form auswertbar gemacht.

Prozess

Der Prozess des Text Mining lässt sich in insgesamt sechs Schritte kategorisieren, die strukturell aufeinander aufbauen1:

  1. Aufgabendefinition
  2. Dokumentenselektion
  3. Dokumentaufbereitung
  4. (Text) Mining Methoden
  5. Interpretation / Evaluation
  6. Anwendung

Die Aufgabenstellung wird konkret definiert. Dokumente, die der Recherche unterliegen, werden selektiert. Die jeweiligen Dokumente werden zur Analyse aufbereitet.

Begründer

Im Jahr 1995 von Ronen Feldman und Ido Dagan erstmals als Knowledge Discovery in Texts (KDG), First International Conference on Knowledge Discovery, begründet.

Ausblick

Die Systematik des Text Mining wird stetig weiterentwickelt. Durch die Technologien der Künstlichen Intelligenz (KI), sowie des Internet of Things (IoT) lassen sich hier sehr erfolgversprechende Techniken implementieren, die sowohl eine weitere Reduktion der Bearbeitungszeit als auch einen effizienteren Einsatz dieser Methode möglich machen. Trotzdem bleibt nach wie vor der Mensch ein wichtiger Protagonist zur Steuerung der Analyseprozesse, um Missverständnisse durch rein automatisierte Verfahren zu vermeiden. Auch für das Social Media Marketing kann das Text Mining zunehmend an Bedeutung gewinnen, um Kundenreaktionen auswertbar zu machen.

Weiterführende Links

Tiedemann, Michaela: Blogartikel zum Thema "Textmining: Grundlagen, Methoden und Anwendungsfälle" [1], abgerufen am 03.08.2020

Literatur

Paulsen, Thomas: Text Mining in der Szenarioanalyse, Eine methodische Erweiterung zur Reduktion des Aufwands und der Subjektivität bei der Sammlung von Einflussfaktoren, Hamburg, 2020

Buch, Bastian:Text Mining: Zur automatischen Wissensextraktion aus unstrukturierten Textdokumenten, 2008

Zai, Chengxiang, Massung, Sean :Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining, 2016

Einzelnachweise

1 Prof. Dr. Michaela Geierhos, https://www.enzyklopaedie-der-wirtschaftsinformatik.de/lexikon/technologien-methoden/text-mining/text-mining, abgerufen am 02.08.2020