Computerlinguistische Analyse von Twitterdaten

Organisatorisches

Dozentin:	Tatjana Scheffler
Zeit:	Mittwochs, 12-14 Uhr Sommersemester 2013
Ort:	Golm, Haus 14, Raum 215/16 (NEU!)
Module:	AM4

Voraussetzungen zur Scheinvergabe

Aktive Mitarbeit
Vortrag
Eigenes Projekt und Ausarbeitung: Abgabe 31.08.2013

Hinweise für die Ausarbeitung

Hinweise

Kursbeschreibung

Soziale Medien wie Twitter bieten neue Datenquellen für linguistische Analysen. Erste Arbeiten existieren zur Verarbeitung von Twitterdaten und deren sprachwissenschaftlicher Betrachtung, beziehen sich allerdings fast ausschließlich auf englische Daten: Diese sind zahlreicher, leichter zu erhalten, und oft auch leichter zu analysieren. Zahlreiche Tools, z.B. ein dezidierter Twitter-Tagger existieren schon für die Verarbeitung von englischsprachigen Social Media-Daten. In dem Blockseminar soll die computerlinguistische Analyse von deutschen Tweets anhand von vorhandenen und neu gecrawlten Daten gemeinsam erarbeitet werden. Vorverarbeitungsskripte sind vorhanden und können angepasst werden. Mögliche Themen sind Stimmungsanalyse, Themenklassifizierung, die Erstellung von Subkorpora, lexikalische Studien (Zeit- oder Ortsbezug von Wörtern) und vieles mehr.

Semesterplan

Syllabus

Datum	Thema	Details
10.4.	Einführung, Motivation	Folien 1
17.4.	Korpuserstellung	Folien 2
24.4.	Vorverarbeitung, Technisches & Praktisches	Folien 3
1.5.	Keine Veranstaltung (Tag der Arbeit)
8.5.	Isa Fodor, Normalisierung Han, Cook, Baldwin, 2012: "Automatically Constructing a Normalisation Dictionary for Microblogs"
15.5.	Matthias Wegel, Topikerkennung Karandikar, 2010: "Clustering short status messages: A topic model based approach"
22.5.	Johannes Gontrom, Trendverfolgung Benhardus, Kalita, 2012: "Streaming Trend Detection in Twitter"
29.5.	Katarina Krüger, Sentimentanalyse I Brown, Frazee, Beaver, Liu, Hoyt, Hancock, 2011: "Evolution of Sentiment in the Libyan Revolution", Blogpost: http://languagelog.ldc.upenn.edu/nll/?p=3537
5.6.	Anna Lukowiak, Sentimentanalyse II Pak, Paroubek, 2010: "Twitter as a Corpus for Sentiment Analysis and Opinion Mining" Proc. of LREC
12.6.	Ulf Hillenbrand, Sentimentanalyse III Davidov, Tsur, Rappoport, 2010: "Enhanced Sentiment Learning Using Twitter Hashtags and Smileys"
19.6.	Frank Bubitz, Conversation Retrieval Magnani, Montesi, Rossi, 2012: "Conversation retrieval for microblogging sites"
26.6.	Steve Wendler, Lokationsabhängige Wörter Arakawa, Tagashira, Fukuda, 2012: "Spatial Statistics with Three-tier Breadth First Search for Analyzing Social Geocontents"
3.7.	Kurzpitch der Ausarbeitungen/Projekte	alle
10.7.	Zusammenfassung, Abschlussdiskussion

Literatur

Vorverarbeitung, Säuberung

• Han, Cook, Baldwin, 2012: “Automatically Constructing a Normalisation Dictionary for Microblogs” Proc. of EMNLP www.cs.toronto.edu/~pcook/Hanetal2012.pdf
• Petrovic, Osborne, Lavrenko: “The Edinburgh Twitter Corpus” (deprecated)
• Tokenizer, Emoticons: https://github.com/brendano/tweetmotif

Topikerkennung

• O’Connor, Krieger, Ahn, 2010: “TweetMotif: Exploratory Search and Topic Summarization for Twitter” https://github.com/brendano/tweetmotif http://anyall.org/oconnor_krieger_ahn.icwsm2010.tweetmotif.pdf http://brenocon.com/blog/2009/05/announcing-tweetmotif-for-summarizing-twitter-topics-with-a-dash-of-nlp/
• Kireyev, Palen, Anderson, 2009: “Applications of Topics Models to Analysis of Disaster-Related Twitter Data” www.umiacs.umd.edu/~jbg/nips_tm_workshop/15.pdf
• Karandikar, 2010: “Clustering short status messages: A topic model based approach” http://ebiquity.umbc.edu/get/a/publication/518.pdf

Trenderkennung und -verfolgung

• Mathioudakis, Koudas, 2010: “TwitterMonitor: Trend Detection over the Twitter Stream” http://www.inf.utfsm.cl/~mmendoza/descargas/p1155-mathioudakis.pdf
• Benhardus, Kalita, 2012: “Streaming Trend Detection in Twitter” http://www.cs.uccs.edu/~jkalita/papers/2012/BenhardusJamesIJWBC2012.pdf
• Becker, Naaman, Gravano, 2011: “Beyond Trending Topics: Real-World Event Identification on Twitter” http://academiccommons.columbia.edu/download/fedora_content/download/ac:135416/CONTENT/cucs-012-11.pdf

Tonalitätsanalyse

Meinungsbild der Zielgruppe (Sentiment Analysis)

• Pak, Paroubek, 2010: “Twitter as a Corpus for Sentiment Analysis and Opinion Mining” Proc. of LREC http://www.lrec-conf.org/proceedings/lrec2010/pdf/385_Paper.pdf
• Davidov, Tsur, Rappoport, 2010: “Enhanced Sentiment Learning Using Twitter Hashtags and Smileys” www.aclweb.org/anthology/C10-2028
• Barbosa, Feng, 2010: “Robust Sentiment Detection on Twitter from Biased and Noisy Data” www.aclweb.org/anthology/C10-2005
• Brown, Frazee, Beaver, Liu, Hoyt, Hancock, 2011: “Evolution of Sentiment in the Libyan Revolution” Blogpost: http://languagelog.ldc.upenn.edu/nll/?p=3537 Working Paper https://webspace.utexas.edu/dib97/libya-report-10-30-11.pdf

Soziolinguistik, Stil, Variabilität

• Linguistics of Retweets http://danzarrella.com/retweet-linguistics.html#
• Bamman, Eisenstein, Schnoebelen, 2012: “Gender in Twitter: Styles, stances, and social networks” http://arxiv.org/abs/1210.4567
• Schnoebelen, 2012: “Do You Smile with Your Nose? Stylistic Variation in Twitter Emoticons” http://repository.upenn.edu/pwpl/vol18/iss2/14/

Profiling

Erkenne Meinungsführer und Multiplikatoren

• Weng, Lim, Jiang, He, 2010: “TwitterRank: finding topic-sensitive influential twitterers” http://dl.acm.org/citation.cfm?id=1718520

IR/DR

• Zanzotto, Pennacchiotti, Tsioutsiouliklis, 2011: “Linguistic Redundancy in Twitter” Proc. of EMNLP www.aclweb.org/anthology/D11-1061
• Magnani, Montesi, Rossi, 2012: “Conversation retrieval for microblogging sites” http://link.springer.com/article/10.1007/s10791-012-9189-9/fulltext.html

Weitere mögliche Themen

• Semantic Role Labelling
• Conversation Modelling

Quellen für weitere Literatur

• ICWSM 2012 http://www.icwsm.org/2012/
• ICWSM 2011 http://www.icwsm.org/2011/
• ACL Anthology http://aclweb.org/anthology-new/ (z.B. LREC, ACL conferences)
• Twitter Research Bibliography http://www.danah.org/researchBibs/twitter.php (lückenhaft für CL)
• TREC Microblog Track http://trec.nist.gov/pubs/trec20/t20.proceedings.html
• Language Log on “Twitter Linguistics” http://languagelog.ldc.upenn.edu/nll/?p=3536

Mögliche Projekt-/Ausarbeitungsthemen:

• Spamerkennung in Tweets
• Verbesserte Tweet-Suche (z.B. durch Synonyme)
• Tonalitätsanalyse (z.B. “2013” vor/nach Silvester)
• Übertragung eines der behandelten Themen auf deutsche Twitterdaten
• Identifikation von ort- oder zeitabhängigen Wörtern
• Analyse eines linguistischen Phänomens (z.B. weil-V2)
• Dialoge auf Twitter
• Twitterdaten & Standard-NLP-Tools (Tagger, Parser, etc.): Wie vertragen sie sich, welche speziellen Tools gibt es schon, wie auf deutsche Daten anpassen
• Reguläre Hausarbeit: Vergleich von Ansätzen, Evaluierung (spezieller Fokus auf deutsche Daten)
• ... (eigene Ideen)