Wir pra¨sentieren einen Algorithmus zur Extraktion bzw. Anreicherung von hierarchischen Produktmerkmalen mittels einer Analyse von unstrukturierten, kundengenerierten Produktrezensionen. Unser Algorithmus beno¨tigt eine initiale Merkmalshierarchie, die in einem rekursiven Verfahren mit neuen Untermerkmalen angereichert wird, wobei die natu¨rliche Ordnung der Merkmale beibehalten wird. Die Funktionsweise unseres Algorithmus basiert auf ha¨ufigen, grammatikalischen Strukturen, die in Produktrezensionen oft benutzt werden, um Eigenschaften eines Produkts zu beschreiben. Diese Strukturen beschreiben Obermerkmale im Kontext ihrer Untermerkmale und werden von unserem Algorithmus ausgenutzt, um Merkmale hierarchisch zu ordnen.
tionelle Datenbla¨tter oder Produktbeschreibungen mo¨glich wa¨re, da diese dazu tendieren, die Vorteile eines Produkts zu beleuchten und die Nachteile zu verschweigen. Aus diesem Grund haben potentielle Kunden ein berechtigtes Interesse an der subjektiven Meinung anderer Ka¨ufer.
Zudem sind kundengenerierte Produktrezensionen auch fu¨r Produzenten interessant, da sie wertvolle Informationen u¨ber Qualita¨t und Marktakzeptanz eines Produkts aus Kundensicht enthalten. Diese Informationen ko¨nnen Produzenten dabei helfen, die eigene Produktpalette zu optimieren und besser an Kundenbedu¨rfnisse anzupassen.
Mit wachsendem Umsatz der Web-Shops nimmt auch die Anzahl der Produktrezensionen stetig zu, so dass es fu¨r Kunden (und Produzenten) immer schwieriger wird, einen umfassenden U¨ berblick u¨ber ein Produkt / eine Produktgruppe zu behalten. Deshalb ist unser Ziel eine feingranulare Zusammenfassung von Produktrezensionen, die es erlaubt Produkte dynamisch anhand von Produktmerkmalen (product features) zu bewerten und mit a¨hnlichen Produkten zu vergleichen. Auf diese Weise wird ein Kunde in die Lage versetzt ein Produkt im Kontext seines eigenen Bedu¨rfnisses zu betrachten und zu bewerten: beispielsweise spielt das Gewicht einer Kamera keine große Rolle fu¨r einen Kunden, aber es wird viel Wert auf eine hohe Bildqualita¨t gelegt. Produzenten ko¨nnen ihre eigene Produktpalette im Kontext der Konkurrenz analysieren, um z. B. Ma¨ngel an den eigenen Produkten zu identifizieren.
Das Ziel unserer Forschung ist ein Gesamtsystem zur
Analyse und Pra¨sentation von Produktrezensionen in
zusammengefasster Form (vgl. [
Der Rest dieser Arbeit ist wie folgt gegliedert: zuna¨chst geben wir in Abschnitt 2 einen U¨ berblick u¨ber verwandte Arbeiten, die auf unsere Forschung entscheidenen Einfluss hatten. Anschließend pra¨sentieren wir in Abschnitt 3 einen Algorithmus zur Extraktion und zur Anreicherung von hierarchisch organisierten Produktmerkmalen. Eine Bewertung des Algorithmus wird in Abschnitt 4 vorgenommen, sowie einige Ergebnisse pra¨sentiert, die die Effektivita¨t unseres Algorithmus demonstrieren. Die gewonnenen Erkenntnisse werden in Abschnitt 5 diskutiert und zusammengefasst. Des Weiteren geben wir einen Ausblick auf unsere zuku¨nftige Forschung.
Dieser Abschnitt gibt einen kurzen U¨ berblick u¨ber verwandte Arbeiten, die einen Einfluss auf unsere Forschung hatten. Die Analyse von Produktrezensionen basiert auf Algorithmen und Methoden aus verschiedensten Disziplinen. Zu den Wichtigsten za¨hlen: Feature Extraction, Opining Mining und Sentiment Analysis.
Ein typischer Algorithmus zur merkmalsbasierten
Tonalita¨tsanalyse von Produktrezensionen ist in 3 unterschiedliche
Phasen unterteilt (vgl. [
2. Extraktion von Meinungen u¨ber Produktmerkmale.
Man unterscheidet zwischen impliziten und expliziten
Merkmalen[
Die Autoren von [
Es gibt auch Ansa¨tze, die versuchen die natu¨rliche
Hierarchie von Produktmerkmalen abzubilden. Die Autoren von [
Die Methode von [
Die Arbeit von [
Wir haben hauptsa¨chlich Arbeiten vorgestellt, die
Merkmale und Meinungen aus Produktrezensionen extrahieren,
aber Meinungsanalysen sind auch fu¨r andere Doma¨nen
interessant: z. B. verwenden die Autoren von [
Dieser Abschnitt dient der Beschreibung eines neuen Algorithmus zur Anreicherung einer gegebenen, unvollsta¨ndigen Merkmalshierarchie mit zusa¨tzlichen Merkmalen. Diese Merkmale werden aus unstrukturierten kundengenerierten Produktrezensionen gewonnen, wobei versucht wird die natu¨rliche Ordnung der Merkmale (Unter- bzw. Obermerkmalsbeziehung) zu beachten.
Die Merkmalshierarchie bildet die Basis fu¨r weitergehende
Analysen, wie z.B. die gezielte Extraktion von Meinungen
und Tonalita¨ten, die sich auf Produktmerkmale beziehen.
Diese nachfolgenden Analyseschritte sind nicht mehr
Gegenstand dieser Arbeit. Produkte (aber auch Dienstleistungen)
ko¨nnen durch eine Menge von Merkmalen (product features)
beschrieben werden. Produktmerkmale folgen dabei einer
natu¨rlichen, doma¨nenabha¨ngigen Ordnung. Eine derartige
natu¨rliche Hierarchie ist exemplarisch in Abbildung 1 fu¨r
das Produkt Digitalkamera dargestellt. Offensichtlich ist
Display ein Untermerkmal von Digitalkamera und besitzt
eigene Untermerkmale Auflo¨sung und Farbtemperatur.
Hierarchien von Produktmerkmalen ko¨nnen auf Basis von
strukturierten Texten erzeugt werden, wie z. B. technische
Datenbla¨ttern und Produktbeschreibungen (vgl. [
Fu¨r den weiteren Verlauf dieses Abschnitts beschra¨nken wir uns auf die zweite Analysephase, d.h. wir nehmen eine initiale Merkmalshierarchie als gegeben an. Fu¨r die Evaluation unseres Algorithmus (siehe Abschnitt 4) wurden die initialen Merkmalshierarchien manuell erzeugt.
Unser Algorithmus wurde auf der Basis einer Reihe von einfachen Beobachtungen entworfen, die wir bei der Analyse von unserem Rezensionskorpus gemacht haben.
1. Ein Produktmerkmal wird ha¨ufig durch ein Hauptwort repra¨sentiert. 2. Viele Hauptwo¨rter ko¨nnen dasselbe Produktmerkmal beschreiben. (Synonyme) 3. Untermerkmale werden ha¨ufig im Kontext ihrer Obermerkmale genannt, wie z. B. ”das Ladegera¨t der Kamera”. 4. Textfragmente, die von Produktmerkmalen handeln, besitzen ha¨ufig eine sehr a¨hnliche grammatikalische Struktur, wie z.B. ”die Auflo¨sung der Anzeige” oder ”die Laufzeit des Akkus”, wobei Unter- und Obermerkmale gemeinsam genannt werden. Die Struktur der Fragmente lautet [DET, NOUN, DET, NOUN], wobei DET einen Artikel und NOUN ein Hauptwort beschreibt.
Der Rest dieses Abschnitts gliedert sich wie folgt: zuna¨chst werden Definitionen in Unterabschnitt 3.1 eingefu¨hrt, die fu¨r das weitere Versta¨ndnis notwendig sind. Anschließend beschreiben wir unsere Analysepipeline, die fu¨r die Vorverarbeitung der Produktrezensionen verwendet wurde, in Unterabschnitt 3.2. Darauf aufbauend wird in Unterabschnitt 3.3 unser Algorithmus im Detail besprochen. 3.1
Fu¨r das Versta¨ndnis der na¨chsten Abschnitte werden
einige Begriffe beno¨tigt, die in diesem Unterabschnitt definiert
werden sollen:
Token. Ein Token t ist ein Paar t = (vword, vP OS), wobei
vword das Wort und vpos die Wortart angibt. Im Rahmen
dieser Arbeit wurde das Universal Tagset [
POS-Muster. Ein POS-Muster q ist eine geordnete Sequenz
von POS-Tags p = [tag1, tag2, . . . , tagn], wobei n die
Musterla¨nge beschreibt. Ein POS-Tag beschreibt eine Wortart,
z.B. steht DET fu¨r einen Artikel, NOUN fu¨r ein Hauptwort
und ADJ fu¨r ein Adjektiv. Weitere Informationen u¨ber das
Universal Tagset finden sich in [
Fu¨r die Verarbeitung und Untersuchung der Produktrezensionen haben wir eine fu¨r den NLP-Bereich (Natural Language Processing) typische Standardpipeline benutzt: die Volltexte der Rezensionen sind fu¨r unsere Zwecke zu grobgranular, so dass in einer ersten Phase der Volltext in Sa¨tze zerteilt wird. Anschließend werden die Sa¨tze tokenisiert und die Wortarten der einzelnen Worte bestimmt. Des Weiteren werden Stoppworte markiert - dafu¨r werden StandardStoppwortlisten benutzt. Wir beenden die Analysepipeline mit einer Stammformreduktion fu¨r jedes Wort, um die verschiedenen Flexionsformen eines Wortes auf eine kanonische Basis zu bringen.
Fu¨r die Bestimmung zusa¨tzlicher Produktmerkmale aus Produktrezensionen, sind vor allem Hauptworte interessant, die i. d. R. keine Stoppworte sind. Allerdings ist uns aufgefallen, dass u¨berdurchschnittlich viele Worte fa¨lschlicherweise als ein Hauptwort erkannt werden - viele dieser Worte sind Stoppworte. Wir nehmen an, dass die variierende, grammatikalische Qualita¨t der Produktrezensionen fu¨r die hohe Anzahl falsch bestimmer Worte verantwortlich ist. Die Stoppwortmarkierung hilft dabei, diesen Fehler etwas auszugleichen. 3.3
In diesem Abschnitt beschreiben wir einen neuen Algorithmus, um eine initiale Hierarchie von Produktmerkmalen mit zusa¨tzlichen Merkmalen anzureichern, wobei die natu¨rliche Ordnung der Merkmale erhalten bleibt (siehe Algorithmus 1). Der Algorithmus erwartet 3 Parameter: eine 2-dimensionale Liste von Token T , die sa¨mtliche Token fu¨r jeden Satz entha¨lt (dabei beschreibt die erste Dimension die Sa¨tze, die zweite Dimensionen die einzelnen Wo¨rter), eine initiale Hierarchie von Merkmalen f und eine Menge von POS-Mustern P . Da der Algorithmus rekursiv arbeitet, wird zusa¨tzlich ein Parameter d u¨bergeben, der die maximale Rekursionstiefe angibt. Der Algorithmus bricht ab, sobald die vorgegebene Tiefe erreicht wird (Zeile 1-3).
Kandidatensuche (Zeile 4-11). Um geeignete Kandidaten fu¨r neue Produktmerkmale zu finden, werden alle Sa¨tze betrachtet und jeweils entschieden, ob der Satz eine Realisierung des aktuell betrachteten Merkmals entha¨lt oder nicht. Wenn ein Satz eine Realisierung hat, dann wird die Funktion applyP atterns aufgerufen. Diese Funktion sucht im u¨bergebenen Satz nach gegebenen POS-Mustern und gibt – sofern mindestens ein Muster anwendbar ist – die entsprechenden Token als Kandidat zuru¨ck, wobei die Mustersuche auf das unmittelbare Umfeld der gefundenen Realisierung eingeschra¨nkt wird, damit das korrekte POS-Muster zuru¨ckgeliefert wird, da POS-Muster mehrfach innerhalb eines Satzes vorkommen ko¨nnen.
Im Rahmen dieser Arbeit haben wie die folgenden POSMuster verwendet: • [DET, NOUN, DET, NOUN] • [DET, NOUN, VERB, DET, ADJ, NOUN]
Eingabe : T : Eine 2-dimensionale Liste von Token. Eingabe : P : Ein Array von POS-Mustern.
Eingabe : f : Eine initiale Merkmalshierarchie.
Eingabe : d : Die maximale Rekursionstiefe.
Ausgabe: Das Wurzelmerkmal der angereicherten
Hierarchie. 1 if d = 0 then 2 return f 3 end 4 C ← {} ; 5 for Token[] T ′ ∈ T do 6 for Token t ∈ T ′ do 7 if t.word ∈ f.S then 8 C ← C S applyP attern(T ′ , P ) ; 9 end 10 end 11 end 12 for Token[] C′ ∈ C do 13 for Token t ∈ C′ do 14 if t.pos 6= NOUN then 15 next ; 16 end 17 if t.length ≤ 3 then 18 next ; 19 20 21 22 23 24 25 26 27 28 end 29 end end if isSynonym(t.word, f.S) then f.S ← t.word ; next ; end f.C ← f.C S({t.word}, {}, f ) ; end if hasP arent(t.word, f ) then
next ; 30 for rFeefaitnureeH[]ief r′a∈rcfh.yC(Td,of ′ , P, d − 1); 31 32 end Validierungsphase (Zeile 12-29). Die Validierungsphase dient dazu die gefundenen Kandidaten zu validieren, also zu entscheiden, ob ein Kandidat ein neues Merkmal entha¨lt. Man beachte, dass es sich bei diesem neuen Merkmal um ein Untermerkmal des aktuellen Produktmerkmals handelt, sofern es existiert. Fu¨r die Entscheidungsfindung nutzen wir eine Reihe von einfachen Heuristiken. Ein Token t ist kein Produktmerkmal und wird u¨bergangen, falls t.vword:
2. keine ausreichende La¨nge besitzt (Zeile 17-19). 3. ein Synonym von f (oder eines Obermerkmals von f ) ist (Zeile 20-22). 4. ein neues Synonym von f darstellt (Zeile 23-26).
Die 3. Heuristik stellt sicher, dass sich keine Kreise in der Hierarchie bilden ko¨nnen. Man beachte, dass Obermerkmale, die nicht direkt voneinander abha¨ngen, gleiche Untermerkmale tragen ko¨nnen.
Die 4. Heuristik dient zum Lernen von vorher unbekannten Synonymen. Dazu wird das Wort mit den Synonymen von f verglichen (z.B. mit der Levenshtein-Distanz) und als Synonym aufgenommen, falls eine ausreichende A¨ hnlichkeit besteht. Damit soll verhindert werden, dass die falsche Schreibweise eines eigentlich bekannten Merkmals dazu fu¨hrt, dass ein neuer Knoten in die Hierarchie eingefu¨gt wird. Wenn der Token t die Heuristiken erfolgreich passiert hat, dann wird t zu einem neuen Untermerkmal von f (Zeile 27). Rekursiver Aufruf (Zeile 30-32). Nachdem das Merkmal f nun mit zusa¨tzlichen Merkmalen angereichert wurde, wird der Algorithmus rekursiv fu¨r alle Untermerkmale von f aufgerufen, um diese mit weiteren Merkmalen zu versehen. Dieser Vorgang wiederholt sich solange, bis die maximale Rekursionstiefe erreicht wird.
Nachbearbeitungsphase. Die Hierarchie, die von
Algorithmus 1 erweitert wurde, muss in einer
Nachbearbeitungsphase bereinigt werden, da viele Merkmale enthalten sind, die
keine realen Produktmerkmale beschreiben (Rauschen). Fu¨r
diese Arbeit verwenden wir die relative Ha¨ufigkeit eines
Untermerkmals im Kontext seines Obermerkmals, um
niederfrequente Merkmale (samt Untermerkmalen) aus der
Hierarchie zu entfernen. Es sind aber auch andere Methoden
denkbar, wie z.B. eine Gewichtung nach tf-idf [
In diesem Abschnitt diskutieren wir die Vor- und Nachteile unseres Algorithmus. Um unseren Algorithmus evaluieren zu ko¨nnen, haben wir einen geeigneten Korpus aus Kundenrezensionen zusammengestellt. Unser Korpus besteht aus 4000 Kundenrezensionen von amazon.de aus der Produktgruppe Digitalkamera.
Wir haben unseren Algorithmus fu¨r die genannte Produktgruppe eine Hierarchie anreichern lassen. Die initiale Produkthierarchie entha¨lt ein Obermerkmal, welches die Produktgruppe beschreibt. Zudem wurden ha¨ufig gebrauchte Synonyme hinzugefu¨gt, wie z.B. Ger¨at. Im Weiteren pra¨sentieren wir exemplarisch die angereicherte Hierarchie. Fu¨r dieses Experiment wurde die Rekursionstiefe auf 3 gesetzt, niederfrequente Merkmale (relative Ha¨ufigkeit < 0, 002) wurden eliminiert. Wir haben fu¨r diese Arbeit Rezensionen in Deutscher Sprache verwendet, aber der Algorithmus kann leicht auf andere Sprachen angepasst werden. Die erzeugte Hierarchie ist in Abbildung 2 dargestellt. Es zeigt sich, dass unser Algorithmus – unter Beachtung der hierarchischen Struktur – eine Reihe wertvoller Merkmale extrahieren konnte: z. B. Batterie mit seinen Untermerkmalen Haltezeit und Verbrauch oder Akkus mit den Untermerkmalen Auflad und Zukauf. Es wurden aber auch viele Merkmale aus den Rezensionen extrahiert, die entweder keine echten Produktmerkmale sind (z.B. Kompakt oder eine falsche Ober-Untermerkmalsbeziehung abbilden (z. B. Haptik und Kamera). Des Weiteren sind einige Merkmale, wie z. B. Qualit¨at zu generisch und sollten nicht als Produktmerkmal benutzt werden.
Abbildung 2: Angereicherte Hierarchie fu¨r die Produktgruppe Digitalkamera.
In dieser Arbeit wurde ein neuer Algorithmus vorgestellt, der auf Basis einer gegebenen – mo¨glicherweise flachen – Merkmalshierarchie diese Hierarchie mit zusa¨tzlichen Merkmalen anreichert. Die neuen Merkmale werden automatisch aus unstrukturierten Produktrezensionen gewonnen, wobei der Algorithmus versucht die natu¨rliche Ordnung der Produktmerkmale zu beachten.
Wir konnten zeigen, dass unser Algorithmus eine initiale Merkmalshierarchie mit sinnvollen Untermerkmalen anreichern kann, allerdings werden auch viele falsche Merkmale extrahiert und in fehlerhafte Merkmalsbeziehungen gebracht. Wir halten unseren Algorithmus dennoch fu¨r vielversprechend. Unsere weitere Forschung wird sich auf Teilaspekte dieser Arbeit konzentrieren: • Die Merkmalsextraktion muss verbessert werden: wir haben beobachtet, dass eine Reihe extrahierter Merkmale keine echten Produktmerkmale beschreiben. Dabei handelt es sich ha¨ufig um sehr allgemeine Wo¨rter wie z.B. Mo¨glichkeiten. Wir bereiten deshalb den Aufbau einer Stoppwortliste fu¨r Produktrezensionen vor. Auf diese Weise ko¨nnte diese Problematik abgeschwa¨cht werden. • Des Weiteren enthalten die angereicherten Hierarchien teilweise Merkmale, die in einer falschen Beziehung zueinander stehen, z.B. induzieren die Merkmale Akku und Akku-Ladeger¨at eine Ober-Untermerkmalsbeziehung: Akku kann als Obermerkmal von Ladeger¨at betrachtet werden. Außerdem konnte beobachtet werden, dass einige Merkmalsbeziehungen alternieren: z.B. existieren 2 Merkmale Taste und Druckpunkt in wechselnder Ober-Untermerkmalbeziehung. • Der Algorithmus beno¨tigt POS-Muster, um Untermerkmale in Sa¨tzen zu finden. Fu¨r diese Arbeit wurden die verwendeten POS-Muster manuell konstruiert, aber wir planen die Konstruktion der POS-Muster weitestgehend zu automatisieren. Dazu ist eine umfangreiche Analyse eines großen Korpus notwendig. • Die Bereinigung der erzeugten Hierarchien ist unzureichend - die relative Ha¨ufigkeit eines Merkmals reicht als Gewichtung fu¨r unsere Zwecke nicht aus. Aus diesem Grund mo¨chten wir mit anderen Gewichtungsmaßen experimentieren. • Die Experimente in dieser Arbeit sind sehr einfach gestaltet. Eine sinnvolle Evaluation ist (z. Zt.) nicht mo¨glich, da (unseres Wissens nach) kein geeigneter Testkorpus mit annotierten Merkmalshierarchien existiert.
Die Konstruktion eines derartigen Korpus ist geplant. • Des Weiteren sind weitere Experimente geplant, um den Effekt der initialen Merkmalshierarchie auf den Algorithmus zu evaluieren. Diese Versuchsreihe umfasst Experimente mit mehrstufigen, initialen Merkmalshierarchien, die sowohl manuell, als auch automatisch erzeugt wurden. • Abschließend planen wir die Verwendung unseres Algorithmus zur Extraktion von Produktmerkmalen in einem Gesamtsystem zur automatischen Zusammenfassung und Analyse von Produktrezensionen einzusetzen.