In dieser Arbeit wurde untersucht, ob es möglich ist, domänenspezifische Informationsbedürfnisse, die während der Konversation entstehen, vorherzusagen. Als Domäne wurde der Bereich „Kochen“ verwendet. Dazu wurden tendenziell naturalistische, simulierte Kochexperimente mit 45 Personen durchgeführt. Die dabei erhobenen annotierten Sprachdaten dienten als Input für einen Random Forest-Klassifikator, der Word Embeddings als Features zur Klassifikation verwendet. Es konnten Klassifikationsgenauigkeiten bis zu 44% erzielt werden. Die Ergebnisse zeigten, dass es prinzipiell möglich ist, Informationsbedürfnisse in einer bestimmten Domäne automatisiert vorherzusagen.

This thesis examined whether it is feasible to detect domain specific information needs during a conversation. For this purpose, a rather naturalistic and simulated approach was used in the cooking domain. Cooking experiments with 45 persons have been conducted. The speech data of these conversations was annotated and used as input for a random forest classifier employing word embeddings as features. Finally, accuracies up to 44% were achieved which leads to the conclusion that it is generally possible to detect domain specific information needs.