| Download ( PDF | 6MB) | Lizenz: Veröffentlichungsvertrag für Publikationen ohne Print on Demand |
Weiterentwicklung von Methoden und Ansätzen zur automatisierten Informationsextraktion aus Social Networks
Schmid, Isabel
(2023)
Weiterentwicklung von Methoden und Ansätzen zur automatisierten Informationsextraktion aus Social Networks.
Dissertation, Universität Regensburg.
Veröffentlichungsdatum dieses Volltextes: 02 Feb 2023 09:53
Hochschulschrift der Universität Regensburg
DOI zum Zitieren dieses Dokuments: 10.5283/epub.53491
Zusammenfassung (Deutsch)
Die Dissertation „Weiterentwicklung von Methoden und Ansätzen zur automatisierten Informationsextraktion aus Social Networks“ beschäftigt sich mit der Analyse von Social Media Network Daten. Neben der Unterscheidung und Charakterisierung verschiedener, in der Literatur vorkommender, einflussreicher Nutzertypen in Social Media Networks wird der Fokus auch auf die (automatisierte) Identifikation ...
Die Dissertation „Weiterentwicklung von Methoden und Ansätzen zur automatisierten Informationsextraktion aus Social Networks“ beschäftigt sich mit der Analyse von Social Media Network Daten. Neben der Unterscheidung und Charakterisierung verschiedener, in der Literatur vorkommender, einflussreicher Nutzertypen in Social Media Networks wird der Fokus auch auf die (automatisierte) Identifikation von verschiedenen, einflussreichen Nutzertypen unter Verwendung von diversen Methoden zur Analyse von strukturierten und unstrukturierten Social Media Daten gelegt.
Außerdem thematisiert die Dissertation die Analyse von textuellen Social Media Network Daten. So wird ein Vergleich zwischen verschiedenen Topic Modelling Techniken durchgeführt, um für ausgewählte Einsatzszenarien Handlungsempfehlungen abgeben zu können. Des Weiteren werden Anforderungen an ein Trend Analyse Tool erhoben, auf Basis derer Softwaretools zur automatisierten Analyse von textuellen Social Media Inhalten (u.a. unter Berücksichtigung von aspektbasierter Sentimentanalyse) erstellt und evaluiert wurden. Weitere Forschungsaktivitäten zielen auf die Ableitung von Gestaltungsansätzen für die Social Media Strategie bei gesellschaftlich relevanten Themen durch die Analyse von Social Media Network Daten ab.
Übersetzung der Zusammenfassung (Englisch)
The dissertation "Development of methods and approaches for automated information extraction from social networks" deals with the analysis of social media network data. Besides the distinction and characterization of different influential user types in social media networks, found in the research literature, the focus is on the (automated) identification of different influential user types ...
The dissertation "Development of methods and approaches for automated information extraction from social networks" deals with the analysis of social media network data. Besides the distinction and characterization of different influential user types in social media networks, found in the research literature, the focus is on the (automated) identification of different influential user types applying various methods for analyzing the structured and unstructured social media data. In addition to the characterization and identification of influential users, this dissertation also concentrates on the analysis of textual social media network data. Thus, a comparison between different topic modeling techniques is performed in order to provide recommendations for several application scenarios. Furthermore, requirements for a trend analysis tool are collected. Based on these, software tools for the automated analysis of textual social media content (considering aspect-based sentiment analysis) were created and evaluated. Further research activities aim at deriving design approaches for the social media strategy regarding socially relevant topics (such as sustainability) by analyzing social media network data.
Beteiligte Einrichtungen
Details
| Dokumentenart | Hochschulschrift der Universität Regensburg (Dissertation) |
| Datum | 2 Februar 2023 |
| Begutachter (Erstgutachter) | Prof. Dr. Susanne Leist und Prof. Dr. Gregor Zellner |
| Tag der Prüfung | 13 Dezember 2022 |
| Institutionen | Wirtschaftswissenschaften > Institut für Wirtschaftsinformatik > Lehrstuhl für Wirtschaftsinformatik III - Business Engineering (Prof. Dr. Susanne Leist) Informatik und Data Science > Fachbereich Wirtschaftsinformatik > Lehrstuhl für Wirtschaftsinformatik III - Business Engineering (Prof. Dr. Susanne Leist) |
| Stichwörter / Keywords | Social Media Networks, einflussreiche Nutzertypen, Social Media Analyse |
| Dewey-Dezimal-Klassifikation | 000 Informatik, Informationswissenschaft, allgemeine Werke > 000 Allgemeines, Wissenschaft 000 Informatik, Informationswissenschaft, allgemeine Werke > 004 Informatik |
| Status | Veröffentlicht |
| Begutachtet | Ja, diese Version wurde begutachtet |
| An der Universität Regensburg entstanden | Ja |
| URN der UB Regensburg | urn:nbn:de:bvb:355-epub-534918 |
| Dokumenten-ID | 53491 |
Downloadstatistik
Downloadstatistik