iTac
Das Master-Projekt iTac (interpret Text and conclude) beschäftigt sich mit Problemen des Natural Language Processing (NLP). Dies kann zum Beispiel das Zusammenfassen eines vorgegebenen Textes bedeuten, die Berechnung eines Ähnlichkeitmaßes für zwei Texte, Sätze, Teilsätze oder Wörter, die Umwandlung von gesprochenen Befehlen in compilerverständliche Sprache oder auch die Stimmungsanalyse von Sätzen.
Wir haben letztes Semester am Wettbewerb SemEval2014 teilgenommen. Im Rahmen dessen haben wir ein Programm zur aspekt-basierten Stimmungsanalyse von Sätzen aus Online Reviews entwickelt. Zu einem gegebenen Satz eines Reviews identifiziert unser System die angegebenen Aspekte und weist diesen eine Polarität zu, d.h. bestimmt, ob der Verfasser des Reviews diesen Aspekt positiv, negativ oder neutral sieht. Gibt man dem Programm Kategorien vor, zu denen die Aspekte gehören, so ordnet das Programm die Aspekte den Kategorien zu und bewertet schließlich auch diese Kategorien mit einer Polarität. So erhält der Benutzer am Ende eine detailliert aufgeschlüsselte Meinung des Reviewers.
Unser System haben wir gleich in zwei Paper beschrieben und eingereicht - einmal zur SemEval2014 selber, deren Reviewphase gerade abgeschlossen ist und zur SKILL2014.
The steak was delicious, the wine exclusive and our waiter managed to make us forget, we had to wait like 50 minutes, before our food reached the table.
- steak -> positive -> food
- wine -> positive -> food -> positive
- waiter -> positive -> service -> neutral (wegen 50 Minuten warten!)
Für den Projekttag haben wir unser Programm so angepasst, dass Studenten online eine Fließtext-Bewertung unseres Mensaessens eingeben können, die Ergebnisse werden schließlich während des Projekttages gezeigt und dort fortwährend aktualisiert.