Vergleich unterschiedlicher Methoden der Unsupervised Topic Detection. Kundenfeedback touristischer Betriebe der Bodenseeregion

Inhaltsverzeichnis

• 1. Einleitung
• 1.1. Motivation und Problemstellung
• 1.2. Zielsetzung und Abgrenzung
• 1.3. Aufbau der Arbeit
• 2. Grundlagen
• 2.1. Tourismus in der Bodenseeregion
• 2.2. Data Mining
• 2.3. Text Mining
• 2.4. Unsupervised Topic Detection
• 3. Methodik
• 3.1. Datenextraktion - Web Crawling
• 3.1.1. Datenquelle
• 3.1.2. Datenextraktion
• 3.2. Datenanalyse - Unsupervised Topic Detection
• 3.2.1. Vorbereitung der Daten - Preprocessing
• 3.2.2. Latent Dirichlet Allocation (LDA)
• 3.2.3. Keyword Clustering
• 3.2.4. Hierarchical Clustering
• 4. Ergebnisse
• 4.1. Datenextraktion - Web Crawling
• 4.1.1. Erklärung des Datensatzes
• 4.1.2. Tabellarische Beschreibung der Attribute
• 4.2. Datenanalyse - Unsupervised Topic Detection
• 4.2.1. LDA
• 4.2.2. Keyword Clustering
• 4.2.3. Hierarchical Clustering
• 4.3. Vergleich der Ergebnisse
• 5. Schluss
• 5.1. Zusammenfassung
• 5.2. Ausblick

Zielsetzung und Themenschwerpunkte

Die vorliegende Bachelorarbeit befasst sich mit der Anwendung verschiedener Methoden der Unsupervised Topic Detection im Kontext von Kundenfeedback touristischer Betriebe in der Bodenseeregion. Ziel ist es, die unterschiedlichen Ansätze dieser Methoden zu vergleichen und deren Eignung für die Analyse von Kundenfeedback zu bewerten.

• Analyse von Kundenfeedback in der Tourismusbranche
• Anwendung von Data Mining und Text Mining Methoden
• Vergleich verschiedener Unsupervised Topic Detection Methoden
• Bewertung der Eignung der Methoden für die Analyse von Kundenfeedback
• Identifizierung von relevanten Themen und Aspekten in Kundenfeedback

Zusammenfassung der Kapitel

Die Arbeit beginnt mit einer Einleitung, die die Motivation und Problemstellung der Arbeit erläutert. Anschließend werden die Grundlagen des Tourismus in der Bodenseeregion, Data Mining, Text Mining und Unsupervised Topic Detection behandelt. In Kapitel 3 wird die Methodik der Arbeit vorgestellt, die die Datenextraktion durch Web Crawling, die Datenanalyse mit verschiedenen Unsupervised Topic Detection Methoden und den Vergleich der Ergebnisse umfasst. Kapitel 4 präsentiert die Ergebnisse der Datenanalyse, wobei die Ergebnisse der verschiedenen Methoden detailliert beschrieben und verglichen werden. Abschließend wird die Arbeit mit einer Zusammenfassung und einem Ausblick auf zukünftige Forschungsrichtungen beendet.

Schlüsselwörter

Die wichtigsten Schlüsselwörter der Arbeit sind: Unsupervised Topic Detection, Kundenfeedback, Tourismus, Bodenseeregion, Data Mining, Text Mining, LDA (Latent Dirichlet Allocation), Keyword Clustering, Hierarchical Clustering.