mirror of
https://github.com/fhswf/aki_prj23_transparenzregister.git
synced 2025-06-22 08:43:55 +02:00
Spellchecking with PyCharm (#133)
Co-authored-by: KM-R <129882581+KM-R@users.noreply.github.com>
This commit is contained in:
GitHub
@ -7,29 +7,40 @@ date: "2023-05-06"
|
||||
# Abstract: Automatisierte Daten Extraktion aus Internetquellen als Grundlage für die Analyse von Kapitalgesellschaften
|
||||
|
||||
## Gliederung
|
||||
|
||||
1. Einleitung (Zielsetzung/Problemstellung, Vorgehen)
|
||||
2. Web Scraping/Crawling
|
||||
1. Definition und Theorie
|
||||
2. Technologien
|
||||
3. Umsetzung
|
||||
3. RSS Feeds
|
||||
1. Definition und Theorie
|
||||
2. Technologien
|
||||
3. Umsetzung
|
||||
2.1. Definition und Theorie
|
||||
2.2. Technologien
|
||||
2.3. Umsetzung
|
||||
3. RSS-Feeds
|
||||
3.1. Definition und Theorie
|
||||
3.2. Technologien
|
||||
3.3. Umsetzung
|
||||
4. APIs
|
||||
1. Definition und Theorie
|
||||
2. Technologien
|
||||
3. Umsetzung
|
||||
4.1. Definition und Theorie
|
||||
4.2. Technologien
|
||||
4.3. Umsetzung
|
||||
5. Rechtliche Rahmenbedingungen
|
||||
6. Vergleich der Lösungsansätze
|
||||
7. Zusammenfassung
|
||||
|
||||
## Inhalt
|
||||
|
||||
In Zeiten von Big Data und AI stellen Daten und ihre Verfügbarkeit zunehmend eines der wichtigsten Wirtschaftsgüter dar. Als solches können sie auch eingesetzt werden, um Kapitalgesellschaften (eine Subklasse von Unternehmen) anhand verschiedener Kennzahlen wie der Mitarbeiterzahl oder dem Jahresgewinn zu analysieren. Obwohl solche Daten zu Genüge in Zeitungsartikeln, Newslettern oder dedizierten Aktienanalysen zu finden sind, so gestaltet sich eine automatisierte Extraktion dieser Daten aufgrund verschiedener Formate sowie weiterer Restriktionen schwierig.
|
||||
In Zeiten von Big Data und AI stellen Daten und ihre Verfügbarkeit zunehmend eines der wichtigsten Wirtschaftsgüter dar.
|
||||
Als solches können sie auch eingesetzt werden, um Kapitalgesellschaften (eine Subklasse von Unternehmen) anhand
|
||||
verschiedener Kennzahlen wie der Mitarbeiterzahl oder dem Jahresgewinn zu analysieren. Obwohl solche Daten zu Genüge in
|
||||
Zeitungsartikeln, Newslettern oder dedizierten Aktienanalysen zu finden sind, so gestaltet sich eine automatisierte
|
||||
Extraktion dieser Daten aufgrund verschiedener Formate sowie weiterer Restriktionen schwierig.
|
||||
|
||||
Daher sollen im Rahmen dieser Seminararbeit verschiedene Wege betrachtet werden, die eben diese Daten erheben und zur Verfügung stellen können. Zu den nennenswerten Quellen gehören: Der Bundesanzeiger, RSS Feeds, Nachrichten APIs. Ziel ist es, aus diesen Quellen wertvolle Informationen bezogen auf den wirtschaftlichen Erfolg einer Kapitalgesellschaft sowie aktueller Nachrichten zu extrahieren und in ein einheitliches Format zu überführen.
|
||||
Daher sollen im Rahmen dieser Seminararbeit verschiedene Wege betrachtet werden, die eben diese Daten erheben und zur
|
||||
Verfügung stellen können. Zu den nennenswerten Quellen gehören: Der Bundesanzeiger, RSS-Feeds, Nachrichten APIs. Ziel
|
||||
ist es, aus diesen Quellen wertvolle Informationen bezogen auf den wirtschaftlichen Erfolg einer Kapitalgesellschaft
|
||||
sowie aktueller Nachrichten zu extrahieren und in ein einheitliches Format zu überführen.
|
||||
|
||||
Neben des technischen Einsatzes von Web Scraping/Crawling, um Informationen aus Webseiten zu gewinnen, sowie des Abfragens verfügbarer APIs soll auch der rechltiche Aspekt dieser Vorgehens Berücksichtigung finden, um die Rechtmäßigkeit zu bewerten.
|
||||
Neben des technischen Einsatzes von Web Scraping/Crawling, um Informationen aus Webseiten zu gewinnen, sowie des
|
||||
Abfragens verfügbarer APIs soll auch der rechtliche Aspekt dieser Vorgehens Berücksichtigung finden, um die
|
||||
Rechtmäßigkeit zu bewerten.
|
||||
|
||||
Abschließend wird der Einsatz der verschiedenen Technologien an den Faktoren: Flexibilität, Simplizität, Verfügbarkeit und Rechtmäßigkeit, ein Fazit gezogen sowie ein Ausblick des weiteren Einsatzes gegeben.
|
||||
Abschließend wird der Einsatz der verschiedenen Technologien an den Faktoren: Flexibilität, Simplizität, Verfügbarkeit
|
||||
und Rechtmäßigkeit, ein Fazit gezogen sowie ein Ausblick des weiteren Einsatzes gegeben.
|
||||
|
||||
File diff suppressed because it is too large
Load Diff
@ -5,7 +5,7 @@
|
||||
- [x] Erstelle eine Kurzanleitung für die Handhabung von Docker
|
||||
- [x] erstelle Jupyter Notebook zum Verbinden mit Datenbank und Anlegen von Tabellen
|
||||
- [x] Recherchiere nach den 10 größten deutschen Unternehmen und ermittel Finanzdaten (Umsatz, Ebit, Ebitda)
|
||||
- [x] Erstelle ein Jupyter Notebook um diese Daten in die Datenbank zu übertragen
|
||||
- [x] Erstelle ein Jupyter Notebook, um diese Daten in die Datenbank zu übertragen
|
||||
- [x] Erstelle ein Jupyter Notebook, um die Daten abzufragen
|
||||
- [x] Erstelle ein Schema für Stimmungsdaten
|
||||
- [x] Erstelle ein Schema für Verflechtungen
|
||||
@ -14,5 +14,5 @@
|
||||
- [ ] Erstelle eine Prototypen GUI in Mercury zur einfachen Abfrage von Daten
|
||||
- [ ] Verwende SQLalchemy, um eine Verbindung zur Datenbank aufzubauen, Tabellen anzulegen und Daten zu schreiben -->
|
||||
- [x] Ersetze den enumeration type in den Finanzdaten gegen einzelne (eindeutig bezeichnete) Spalten
|
||||
- [x] Lade das DB Schema hoch, um es den anderen Teammitgliedern bereitzustellen
|
||||
- [x] Lade das DB-Schema hoch, um es den anderen Teammitgliedern bereitzustellen
|
||||
- [ ]
|
||||
|
||||
@ -4,67 +4,81 @@ https://thibaut-deveraux.medium.com/how-to-install-neo4j-with-docker-compose-36e
|
||||
https://towardsdatascience.com/how-to-run-postgresql-and-pgadmin-using-docker-3a6a8ae918b5
|
||||
|
||||
# Installation Docker Desktop
|
||||
|
||||
## Starten eines Containers:
|
||||
|
||||
> docker run --name basic-postgres --rm -e POSTGRES_USER=postgres -e POSTGRES_PASSWORD=4y7sV96vA9wv46VR -e PGDATA=/var/lib/postgresql/data/pgdata -v /tmp:/var/lib/postgresql/data -p 5432:5432 -it postgres:14.1-alpine
|
||||
> docker run --name basic-postgres --rm -e POSTGRES_USER=postgres -e POSTGRES_PASSWORD=4y7sV96vA9wv46VR -e
|
||||
> PGDATA=/var/lib/postgresql/data/pgdata -v /tmp:/var/lib/postgresql/data -p 5432:5432 -it postgres:14.1-alpine
|
||||
|
||||
Dieser Befehl startet einen Container mit dem Postgres14.1-alpine Image, welches von Dockerhub geladen wird. Der Container läuft unter dem Namen basic-postgres
|
||||
Dieser Befehl startet einen Container mit dem Postgres14.1-alpine Image, welches von Dockerhub geladen wird. Der
|
||||
Container läuft unter dem Namen basic-postgres
|
||||
|
||||
| Syntax | Attribut | Beschreibung |
|
||||
|-------------------|----------|-----------------------------------------------------------------------------------|
|
||||
| basic-postgres | --name | Angabe des Containernamens |
|
||||
| | --rm | Bei Beendigung des Containers wird das erstellte Dateisystem entfernt |
|
||||
| | -e | Verwende Umgebungsvariablen |
|
||||
| POSTGRES_USER | | Umgebungsvariable für den anzulegenden Benutzer: postgres |
|
||||
| POSTGRES_PASSWORD | | Umgebungsvariable für das anzulegende Passwort: 4y7sV96vA9wv46VR |
|
||||
| PGDATA | | Umgebungsvariable für den Ort der Datenbank |
|
||||
| | -v | Einzubindendes Volumen: /tmp:/var/lib/postgresql/data |
|
||||
| | -p | Angabe des Containerports und des öffentlich zugänglichen Ports |
|
||||
| | -it | Interactive: der Container bleibt aktiv, damit mit diesem interagiert werden kann |
|
||||
|
||||
| Syntax | Attribut | Beschreibung |
|
||||
| ----------- | ----------- | ----------- |
|
||||
| basic-postgres | --name | Angabe des Containernamens|
|
||||
| | --rm | Bei Beendigung des Containers wird das erstellte Dateisystem entfernt|
|
||||
| |-e| Verwende Umgebungsvariablen |
|
||||
| POSTGRES_USER | | Umgebungsvariable für den anzulegenden Benutzer: postgres|
|
||||
|POSTGRES_PASSWORD| | Umgebungsvariable für das anzulegende Passwort: 4y7sV96vA9wv46VR |
|
||||
| PGDATA | | Umgebungsvariable für den Ort der Datenbank|
|
||||
| | -v | Einzubindendes Volumen: /tmp:/var/lib/postgresql/data |
|
||||
| |-p | Angabe des Containerports und des öffentlich zugänglichen Ports |
|
||||
| | -it | Interactive: der Container bleibt aktiv, damit mit diesem interagiert werden kann |
|
||||
|
||||
Mit einem zweiten Terminalfenster kann man auf die Bash des Containers öffnen und auf die Datenbank zugreifen.
|
||||
|
||||
> docker exec -it basic-postgres /bin/sh
|
||||
|
||||
|
||||
Die folgenden Befehle starten die Postgres CLI, Ausgabe aller Datenbanken und beendet die CLI.
|
||||
> Psql –username postgres \
|
||||
> \l \
|
||||
Exit
|
||||
|
||||
> Exit
|
||||
|
||||
Der Container kann durch Betätigung von STRG + C beendet werden.
|
||||
|
||||
## Docker Compose
|
||||
Das oben erklärte Vorgehen zum Starten eines Containers, festlegen der Umgebungsvariablen und zusätzliche verlinken zu einer Anwendung wird nun in einer yml-Datei beschrieben, um die Verwaltung und das Erstellen zu vereinfachen.
|
||||
| | | Beschreibung |
|
||||
| ----------- | ----------- | ----------- |
|
||||
|Version | | Version von docker-compose |
|
||||
|Services| |Definition der Services, wobei jeder ein eigenen docker-run Befehl ausführt.|
|
||||
| | image | Angabe des zu verwendenden Images |
|
||||
| | restart | Option um Container erneut zu starten, falls dieser gestoppt wird |
|
||||
| | Environment | Umgebungsvariablen: Username und Passwort |
|
||||
| | Ports | Mapping des Containerports zum Port der Hostmaschine |
|
||||
| | Volumes | Angabe eines Volumes zum Persistieren der Containerdaten, damit nach einem Neustart die Daten wieder verfügbar sind |
|
||||
|
||||
Das oben erklärte Vorgehen zum Starten eines Containers, festlegen der Umgebungsvariablen und zusätzliche verlinken zu
|
||||
einer Anwendung wird nun in einer yml-Datei beschrieben, um die Verwaltung und das Erstellen zu vereinfachen.
|
||||
|
||||
| | | Beschreibung |
|
||||
|----------|-------------|---------------------------------------------------------------------------------------------------------------------|
|
||||
| Version | | Version von docker-compose |
|
||||
| Services | | Definition der Services, wobei jeder ein eigenen docker-run Befehl ausführt. |
|
||||
| | image | Angabe des zu verwendenden Images |
|
||||
| | restart | Option um Container erneut zu starten, falls dieser gestoppt wird |
|
||||
| | Environment | Umgebungsvariablen: Username und Passwort |
|
||||
| | Ports | Mapping des Containerports zum Port der Hostmaschine |
|
||||
| | Volumes | Angabe eines Volumes zum Persistieren der Containerdaten, damit nach einem Neustart die Daten wieder verfügbar sind |
|
||||
|
||||
Nun kann der Container mittels Docker-Compose gestartet werden.
|
||||
> docker-compose -f /.../docker-compose-postgres.yml up
|
||||
|
||||
## pgAdmin
|
||||
pgAdmin ist ein grafisches Administrationswerkezug für postgreSQL und macht die oben gezeigte Administration komfortabler. \
|
||||
Erreichbar ist das Interface über: http://localhost:5050 \
|
||||
```console
|
||||
docker-compose -f /.../docker-compose-postgres.yml up
|
||||
```
|
||||
|
||||
## pgAdmin
|
||||
|
||||
pgAdmin ist ein grafisches Administrationswerkzeug für postgreSQL und macht die oben gezeigte Administration
|
||||
komfortabler.
|
||||
|
||||
Erreichbar ist das Interface über: http://localhost:5050
|
||||
|
||||
Als Login werden die Daten aus der docker-compose verwendet:
|
||||
>User: admin@fh-swf.de
|
||||
>Passwort: admin
|
||||
|
||||
```
|
||||
> User: admin@fh-swf.de
|
||||
> Passwort: admin
|
||||
```
|
||||
|
||||
### Anlegen eines Servers
|
||||
|
||||
Zuerst muss der Server angelegt werden, dafür einen Rechtsklick auf Server und den Button „Register“ auswählen. \
|
||||
Im geöffneten Dialog muss die Konfiguration festgelegt werden.
|
||||
Im geöffneten Dialog muss die Konfiguration festgelegt werden.
|
||||
|
||||
| Reiter | Parameter | Wert |
|
||||
| ----------- | ----------- | ----------- |
|
||||
| General| Name | postgres_docker |
|
||||
| Connection | Host name/address | local_pgdb (siehe docker-compose) |
|
||||
| Connection | Username | postgres (siehe docker-compose) |
|
||||
| Connection | Password | postgres (siehe docker-compose) |
|
||||
|
||||
|
||||
| Reiter | Parameter | Wert |
|
||||
|------------|-------------------|-----------------------------------|
|
||||
| General | Name | postgres_docker |
|
||||
| Connection | Host name/address | local_pgdb (siehe docker-compose) |
|
||||
| Connection | Username | postgres (siehe docker-compose) |
|
||||
| Connection | Password | postgres (siehe docker-compose) |
|
||||
|
||||
@ -1,6 +1,7 @@
|
||||
# Seminarthema: Datenvisualisierung
|
||||
|
||||
## Geplanter Inhalt:
|
||||
|
||||
- Einführung
|
||||
- Best Practice für Datenvisualisierung
|
||||
- Vorstellung verschiedener Diagrammarten
|
||||
@ -10,20 +11,30 @@
|
||||
- Minimalbeispiele
|
||||
- Anwendung auf unser Projekt:
|
||||
- Vergleich der Bibliotheken mit Blick auf unsere drei Anwendungsbereiche
|
||||
- Welche Daten werden für die einzelnen Diagramme gebraucht?
|
||||
- Welche Daten werden für die einzelnen Diagramme gebraucht?
|
||||
- Welche Ideen/Anforderungen ergeben sich an die anderen Themenbereiche?
|
||||
- Fazit und Handlungsempfehlung
|
||||
- Welche Diagramme und welche Bibliotheken eignen sich für uns?
|
||||
|
||||
## Abstract:
|
||||
|
||||
In dieser Seminararbeit geht es um die Visualisierung von Daten in Python. Im Fokus steht die Anwendung auf die drei Themenbereiche, die im Projekt "Transparenzregister" behandelt werden: Time Series Daten, Soziale Netzwerke und Stimmungen. Nach einer Einführung in das Thema werden Best Practices für die Datenvisualisierung vorgestellt und verschiedene Diagrammarten präsentiert. Anschließend wird diskutiert, welche Diagramme für die genannten Anwendungsbereiche am besten geeignet sind.
|
||||
In dieser Seminararbeit geht es um die Visualisierung von Daten in Python. Im Fokus steht die Anwendung auf die drei
|
||||
Themenbereiche, die im Projekt "Transparenzregister" behandelt werden: Time Series Daten, Soziale Netzwerke und
|
||||
Stimmungen. Nach einer Einführung in das Thema werden Best Practices für die Datenvisualisierung vorgestellt und
|
||||
verschiedene Diagrammarten präsentiert. Anschließend wird diskutiert, welche Diagramme für die genannten
|
||||
Anwendungsbereiche am besten geeignet sind.
|
||||
|
||||
Im zweiten Abschnitt werden verschiedene Python Bibliotheken vorgestellt und anhand von Minimalbeispielen betrachtet. Dabei wird analysiert, welche Bibliotheken die gewünschten Diagramme für unsere Anwendungsbereiche am besten darstellen und welche Daten für die Erstellung der verschiedenen Diagramme benötigt werden. Es werden zudem Ideen und Anforderungen an die anderen Themenbereiche aufgezeigt.
|
||||
Im zweiten Abschnitt werden verschiedene Python Bibliotheken vorgestellt und anhand von Minimalbeispielen betrachtet.
|
||||
Dabei wird analysiert, welche Bibliotheken die gewünschten Diagramme für unsere Anwendungsbereiche am besten darstellen
|
||||
und welche Daten für die Erstellung der verschiedenen Diagramme benötigt werden. Es werden zudem Ideen und Anforderungen
|
||||
an die anderen Themenbereiche aufgezeigt.
|
||||
|
||||
Im letzten Abschnitt der Arbeit wird ein Fazit gezogen und eine Handlungsempfehlung gegeben. Insgesamt soll die Arbeit einen Einblick in die Welt der Datenvisualisierung in Python geben und unserem Projekt helfen, die richtigen Entscheidungen bei der Wahl der Diagrammarten und Bibliotheken zu treffen.
|
||||
Im letzten Abschnitt der Arbeit wird ein Fazit gezogen und eine Handlungsempfehlung gegeben. Insgesamt soll die Arbeit
|
||||
einen Einblick in die Welt der Datenvisualisierung in Python geben und unserem Projekt helfen, die richtigen
|
||||
Entscheidungen bei der Wahl der Diagrammarten und Bibliotheken zu treffen.
|
||||
|
||||
## Erste Sammlung von Referenzen:
|
||||
|
||||
Bibliotheken/Tools:
|
||||
- D3Blocks: [Documentation](https://d3blocks.github.io/d3blocks/pages/html/index.html), [Medium Blog](https://towardsdatascience.com/d3blocks-the-python-library-to-create-interactive-and-standalone-d3js-charts-3dda98ce97d4)
|
||||
- pyvis: [Documentation](https://pyvis.readthedocs.io/en/latest/tutorial.html)
|
||||
@ -31,12 +42,15 @@ Bibliotheken/Tools:
|
||||
- plotly: [Documentation](https://plotly.com/python/#animations)
|
||||
|
||||
Netzwerke:
|
||||
|
||||
- Zentralitätsmaße: [Medium Blog](https://towardsdatascience.com/social-network-analysis-from-theory-to-applications-with-python-d12e9a34c2c7)
|
||||
- Visualisierungsideen: [Medium Blog](https://towardsdatascience.com/visualizing-networks-in-python-d70f4cbeb259)
|
||||
|
||||
Kennzahlen:
|
||||
|
||||
- Visualisierungsideem: [Towards AI](https://towardsai.net/p/l/time-series-data-visualization-in-python)
|
||||
|
||||
Best Practice:
|
||||
|
||||
- [Science Direct](https://www.sciencedirect.com/science/article/pii/S2666389920301896)
|
||||
- [Toptal](https://www.toptal.com/designers/data-visualization/data-visualization-best-practices)
|
||||
|
||||
@ -4,15 +4,13 @@
|
||||
|
||||
**10.05.2023**
|
||||
|
||||
|
||||
|
||||
## Gliederung
|
||||
|
||||
1. Einleitung und Begriffsbestimmung
|
||||
|
||||
2. Text Mining Prozess
|
||||
|
||||
3. Verwendung von NLP-Methoden für das Text Mining
|
||||
3. Verwendung von NLP-Methoden für das Text-Mining
|
||||
|
||||
3.1 Morphologische Textanalyse
|
||||
|
||||
@ -26,20 +24,32 @@
|
||||
|
||||
4.2 Generierung von Ontologien mittels Text Mining ("ontology generation"/"ontology learning" )
|
||||
|
||||
5. Sentiment-Analyse als Teilgebiet des Text Minings
|
||||
5. Sentiment-Analyse als Teilgebiet des Text-Minings
|
||||
|
||||
6. Zusammenfassung und Ausblick
|
||||
|
||||
|
||||
|
||||
Die Seminararbeit zu "Text Mining" soll in die oben genannten sechs Abschnitte gegliedert werden.
|
||||
|
||||
Nach einer Einleitung, in der der Begriff "Text Mining" näher definiert wird und gegenüber "Data Mining" und "Computational Linguistics" abgegrenzt wird, folgt der zweite Abschnitt zum Text Mining Prozess, der nach Hippner u. Rentzmann (2006) in die folgenden sechs Schritte eingeteilt wird: (a) Aufgabendefinition; (b) Dokumentenselektion; (c) Dokumentenaufbereitung; (d) Untersuchung mit Text-Mining-Methoden; (e) Interpretation und Evaluation; (f) Anwendung der Ergebnisse.
|
||||
Nach einer Einleitung, in der der Begriff "Text Mining" näher definiert wird und gegenüber "Data-Mining" und
|
||||
"Computational Linguistics" abgegrenzt wird, folgt der zweite Abschnitt zum Text Mining Prozess, der nach Hippner u.
|
||||
Rentzmann (2006) in die folgenden sechs Schritte eingeteilt wird: (a) Aufgabendefinition; (b) Dokumentenselektion; (c)
|
||||
Dokumentenaufbereitung; (d) Untersuchung mit Text-Mining-Methoden; (e) Interpretation und Evaluation; (f) Anwendung der
|
||||
Ergebnisse.
|
||||
|
||||
Im darauffolgenden dritten Abschnitt zur Verwendung von NLP-Methoden für das Text Mining werden die drei Phasen des Natural Language Processings (NLP), d.h. die morphologische, syntaktische und semantische Textanalyse, näher dargestellt, wobei der Schwerpunkt auf die semantische Analysetechniken wie z.B. "Word Sense Disambiguation" (WSD) und "Named Entity Recognition" (NED) liegen soll.
|
||||
Im darauffolgenden dritten Abschnitt zur Verwendung von NLP-Methoden für das Text-Mining werden die drei Phasen des
|
||||
Natural Language Processing (NLP), d.h. die morphologische, syntaktische und semantische Textanalyse, näher
|
||||
dargestellt, wobei der Schwerpunkt auf den semantischen Analysetechniken wie z.B. "Word Sense Disambiguation" (WSD) und
|
||||
"Named Entity Recognition" (NED) liegen soll.
|
||||
|
||||
Der vierte Abschnitt soll sich dem Thema "Ontologien und Text Mining" widmen. Einerseits können Ontologien, die domänenspezifisches Wissen abbilden, als Grundlage für NLP-Methoden dienen, um etwa die semantische Textanalyse zu verbessern. Andererseits können mittels Text Mining automatisch bzw. semi-automatisch Ontologien als Repräsentation der Text-Mining-Ergebnisse erstellt werden ("ontology generation"/"ontology learning").
|
||||
Der vierte Abschnitt soll sich dem Thema "Ontologien und Text Mining" widmen. Einerseits können Ontologien, die
|
||||
domänenspezifisches Wissen abbilden, als Grundlage für NLP-Methoden dienen, um etwa die semantische Textanalyse zu
|
||||
verbessern. Andererseits können mittels Text Mining automatisch bzw. semi-automatisch Ontologien als Repräsentation der
|
||||
Text-Mining-Ergebnisse erstellt werden ("ontology generation"/"ontology learning").
|
||||
|
||||
Im vorletzten, fünften Analyse soll die Sentiment-Analyse als Teilgebiet des Text Mining durchleuchtet werden. Dieser Abschnitt soll den Schwerpunkt der gesamten Seminararbeit darstellen. Die Methodik, Funktionsweise, Varianten und Use Cases der Sentiment Analyse sollen anhand ausgewählter Beispiele erläutert werden. Zudem sollen auch bekannte Sentiment-Analyse-Tools wie z.B. FinBERT, VADER, SentiWS etc. näher beschrieben werden.
|
||||
Im vorletzten, fünften Analyse soll die Sentiment-Analyse als Teilgebiet des Texts Mining durchleuchtet werden. Dieser
|
||||
Abschnitt soll den Schwerpunkt der gesamten Seminararbeit darstellen. Die Methodik, Funktionsweise, Varianten und Use
|
||||
Cases der Sentiment Analyse sollen anhand ausgewählter Beispiele erläutert werden. Zudem sollen auch bekannte
|
||||
Sentiment-Analyse-Tools wie z.B. FinBERT, VADER, SentiWS etc. näher beschrieben werden.
|
||||
|
||||
Am Ende der Seminararbeit soll der sechste Abschnitt eine Zusammenfassung liefern und einen Ausblick darüber geben, in welche Richtung die zukünftige Entwicklung auf dem Gebiet des Text Minings gehen wird.
|
||||
Am Ende der Seminararbeit soll der sechste Abschnitt eine Zusammenfassung liefern und einen Ausblick darüber geben, in
|
||||
welche Richtung die zukünftige Entwicklung auf dem Gebiet des Text-Minings gehen wird.
|
||||
|
||||
@ -3,29 +3,26 @@
|
||||
## Entwurf des Inhaltsverzeichnis + Stichpunkte
|
||||
|
||||
1 Einleitung
|
||||
|
||||
1.1 Problemstellung
|
||||
|
||||
1.2 Zielsetzung und Aufbau der Arbeit
|
||||
|
||||
2 Graphentheorie
|
||||
|
||||
2.1 Begriffliche Definition
|
||||
|
||||
2.2 Sociometry
|
||||
|
||||
- sociometry: quantitatives Methode um soziale Beziehungen zu messen.
|
||||
|
||||
2.3 Sociogram/ Social Graph
|
||||
- Ist ein graph der ein Soziales netzwerk darstellt
|
||||
|
||||
- Ist ein graph der ein soziales Netzwerk darstellt
|
||||
- Basiert auf der Graphentheorie
|
||||
- Wurde offiziell Sociogram genannt
|
||||
- von facebook in der F8 2007 vorgestellt
|
||||
|
||||
2.4 Social Network Analysis (SNA)
|
||||
|
||||
- Social Network Analysis (SNA): Untersuchen von Sozialen Strukturen anhand von Netzwerken und Graphtheorie.
|
||||
- Social Network Analysis (SNA): Untersuchen von sozialen Strukturen anhand von Netzwerken und Graphtheorie.
|
||||
|
||||
3 Ein Social Graph für das Transparentsregister
|
||||
3 Ein Social Graph für das Transparenzregister
|
||||
|
||||
3.5 Handlungsempfehlung
|
||||
|
||||
@ -39,10 +36,22 @@
|
||||
|
||||
## Abstract
|
||||
|
||||
In der Seminararbeit zum Thema: "Verpflechtungsanalyse der Unternehmen und Personen im Transparenzregister" soll einerseits die Theorie für die Analyse von Verflechtungen vermittelt sowie anhand des Projektess aufgezeigt werden wie diese angewendet werden kann.
|
||||
In der Seminararbeit zum Thema: "Verpflechtungsanalyse der Unternehmen und Personen im Transparenzregister" soll
|
||||
einerseits die Theorie für die Analyse von Verflechtungen vermittelt sowie anhand des Projektes aufgezeigt werden wie
|
||||
diese angewendet werden kann.
|
||||
|
||||
Als Fundament dient die Graphentheorie, welche Grundlegen für die Analyse von Netzstrukturen ist. Zunächst werden die wichtigsten Begriffe definiert und es wird eine Einführung ins Thema der Graphentheorie mit Beispielen und Erläuterung gegeben. Darauffolgend wird tiefer in das Thema eingetaucht und sich mit dem Bereich Sociogram/ Social Graph auseinandergesetzt. Ein Sociogram ist ein Model eines Netzwerks von sozialen Verbindungen die durch einen Graphen repräsentiert werden. Diese Idee wurde 2007 von Facebook als Social Graph in der F8 vorgestellt. Diese Art von Graph basiert auf der Graphentheorie. Die stärken dieses Graphen liegen in der Veranschaulichung der sozialen Verflechtungen. Daher wird der Social Graph für die Analyse der Verflechtungen innerhalb des Transparenzregisters genutzt.
|
||||
Als Fundament dient die Graphentheorie, welche Grundlegen für die Analyse von Netzstrukturen ist. Zunächst werden die
|
||||
wichtigsten Begriffe definiert und es wird eine Einführung ins Thema der Graphentheorie mit Beispielen und Erläuterung
|
||||
gegeben. Darauffolgend wird tiefer in das Thema eingetaucht und sich mit dem Bereich Sociogram/ Social Graph
|
||||
auseinandergesetzt. Ein Sociogram ist ein Model eines Netzwerks von sozialen Verbindungen die durch einen Graphen
|
||||
repräsentiert werden. Diese Idee wurde 2007 von Facebook als Social Graph in der F8 vorgestellt. Diese Art von Graph
|
||||
basiert auf der Graphentheorie. Die Stärken dieses Graphen liegen in der Veranschaulichung der sozialen Verflechtungen.
|
||||
Daher wird der Social Graph für die Analyse der Verflechtungen innerhalb des Transparenzregisters genutzt.
|
||||
|
||||
Im Hauptteil der Seminararbeit wird aufgezeigt wie der Social Graph auf das Transparenzregister angewendet werden könnte. Es wird gezeigt welche Komponenten gebildet werden müssten und wie die Daten aufbereitet werden um einen Social graph bauen zu können. Des Weiteren wird auf die Formel und Algorithmen eingegangen die zur Erstellung des Graphen nötig sind. Dabei orientiert sich die Arbeit an Beispielen um die Theorie nachvollziebar zu vermitteln. Dieser Abschnitt wird mit einer Handlungsempfehlung für das Projekt abgeschlossen.
|
||||
Im Hauptteil der Seminararbeit wird aufgezeigt wie der Social Graph auf das Transparenzregister angewendet werden
|
||||
könnte. Es wird gezeigt welche Komponenten gebildet werden müssten und wie die Daten aufbereitet werden um einen Social
|
||||
graph bauen zu können. Des Weiteren wird auf die Formel und Algorithmen eingegangen die zur Erstellung des Graphen nötig
|
||||
sind. Dabei orientiert sich die Arbeit an Beispielen, um die Theorie nachvollziehbar zu vermitteln. Dieser Abschnitt
|
||||
wird mit einer Handlungsempfehlung für das Projekt abgeschlossen.
|
||||
|
||||
Abgeschlossen wird das Werk mit einer kritischen Reflexion, gefolgt von einem Fazit und einem Ausblick.
|
||||
|
||||
Reference in New Issue
Block a user