Sentiment Analysis auf literarischen Texten

Sentiment Analysis (oder auch Opinion Mining) und Emotion Analysis sind Forschungsgebiete, die sich mit der automatischen Analyse und Prädiktion von Sentiments, Meinungen und Emotionen, vorrangig für das Medium Text, befassen. Das produktivste Anwendungsgebiet hierfür ist user-generated content (z.B. social media, Produkt-Reviews). Da Emotionen und Sentiments auch für literarische und narrative Texte bedeutend sind, findet man zunehmend Projekte, die den Einsatz von Sentiment Analysis auf literarischen Texten untersuchen.

Dieser Wiki-Eintrag ist als Sammlung für zahlreiche mögliche Bachelor- und Masterarbeitsszenarien gedacht. Im Rahmen der Arbeit kann man Annotationsverhalten untersuchen, annotierte Korpora erstellen und/oder verschiedene Sentiment Analysis-Techniken implementieren und gegeneinander evaluieren. Die genauen Ziele werden mit dem Betreuer abgeklärt.

Verschiedene Genres und Anwendungsgebiete sind denkbar, werkspezifisch oder in einem Distant Reading-Kontext:

• Dramen
• Gedichte
• Romane

Verschieden Aufgaben sowie deren Kombination können verfolgt werden, je nach konkreter Zielformulierung:

• Analyse von Annotationsverhalten
• Annotation von Evaluations-Korpora
• Implementierung und Evaluation verschiedener Methoden
• Visualisierung von Ergebnissen in Form eines Tools

• Affinität zu Digital Humanities, Linguistik und Literaturwissenschaft

Je nach konkreter Herangehensweise:

• Kenntnisse im Bereich Anforderungsanalyse
• Programmierkenntnisse in Python, R oder Ähnlichem
• Kenntnisse im Bereich Web-Programmierung
• Kenntnisse im Bereich Machine Learning
• Kenntnisse im Bereich Computational Linguistics und Text Mining
• Statistische Auswertung
• Visualisierung und Tool-Gestaltung

Evgeny Kim and Roman Klinger. Who feels what and why? annotation of a literature corpus with semantic roles of emotions. In Proceedings of the 27th International Conference on Computational Linguistics, pages 1345–1359. Association for Computational Linguistics, 2018.

Mohammad, S. (2011). From once upon a time to happily ever after: Tracking emotions in novels and fairy tales. In Proceedings of the 5th ACL-HLT Workshop on Language Technology for Cultural Heritage, Social Sciences, and Humanities (pp. 105-114). Association for Computational Linguistics.

Nalisnick, E. T. & Baird, H. S. (2013). Character-to-character sentiment analysis in shakespeare’s plays. In Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics (pp. 479–483).

Schmidt, T. & Burghardt, M. (2018a). An Evaluation of Lexicon-based Sentiment Analysis Techniques for the Plays of Gotthold Ephraim Lessing. In: SIGHUM Workshop on Language Technology for Cultural Heritage, Social Sciences, and Humanities (LaTeCH-CLfL 2018). Retrieved from http://aclweb.org/anthology/W18-45

Schmidt, T., Burghardt, M. & Dennerlein, K. (2018a). Sentiment Annotation of Historic German Plays: An Empirical Study on Annotation Behavior. In: Sandra Kübler, Heike Zinsmeister (eds.), Proceedings of the Workshop on Annotation in Digital Humanities (annDH 2018) (pp. 47-52). Sofia, Bulgaria. Retrieved from http://ceur-ws.org/Vol-2155/schmidt.pdf

Schmidt, T. & Burghardt, M. (2018b). Toward a Tool for Sentiment Analysis for German Historic Plays. In: Piotrowski, M. (ed.), COMHUM 2018: Book of Abstracts for the Workshop on Computational Methods in the Humanities 2018 (pp. 46-48). Lausanne, Switzerland: Laboratoire laussannois d'informatique et statistique textuelle. Retrieved from https://zenodo.org/record/1312779

Schmidt, T., Burghardt, M. & Dennerlein, K. (2018b). „Kann man denn auch nicht lachend sehr ernsthaft sein?“ – Zum Einsatz von Sentiment Analyse-Verfahren für die quantitative Untersuchung von Lessings Dramen. In Book of Abstracts, DHd 2018. Retrieved from https://epub.uni-regensburg.de/37579/1/Self-Archiving-Version_DHd-2018.pdf