E-Mail Klassifizierung in einem CRM-System anhand von Text Mining Analyseverfahren

Inhaltsverzeichnis

• 1 Einführung
  • 1.1 Motivation und Problembeschreibung
  • 1.2 Zielsetzung
  • 1.3 Ansatz
• 2 Stand von Wissenschaft und Technik
  • 2.1 Text Mining
  • 2.2 Natural Language Processing
    • 2.2.1 Grundlegende Textbereinigung
    • 2.2.2 Tokenisierung
    • 2.2.3 Stemming
    • 2.2.4 Stoppwort Entfernung
    • 2.2.5 TF-IDF-Gewichtung
  • 2.3 Textklassifizierung
    • 2.3.1 Der naive Bayes-Klassifikator nach Gauß
    • 2.3.2 Die lineare Support Vector Maschine
  • 2.4 Frameworks und Bibliotheken
    • 2.4.1 Scikit-Learn
    • 2.4.2 Natural Language Toolkit
    • 2.4.3 NumPy
    • 2.4.4 Apache OFBiz
    • 2.4.5 Flask
    • 2.4.6 Chart.Js
• 3 Technische Umsetzung
  • 3.1 Anforderungen
    • 3.1.1 Nichtfunktionale Anforderungen
    • 3.1.2 Funktionale Anforderungen
  • 3.2 Konzept
    • 3.2.1 Kriterien und Auswahl der Frameworks
    • 3.2.2 Architektur
    • 3.2.3 Beschreibung der Trainingsdaten
    • 3.2.4 Vorverarbeitung der Daten
  • 3.3 Implementierung
    • 3.3.1 Backend
    • 3.3.2 Frontend
• 4 Evaluation
  • 4.1 Teststrategie
  • 4.2 Klassifikation gegebener Nachrichtenmuster
  • 4.3 Vergleich der Klassifikatoren
    • 4.3.1 Lernkurven
    • 4.3.2 Konfusionsmatrizen
    • 4.3.3 Anwendung verrauschter Daten
  • 4.4 Resultate und Diskussion

Zielsetzung und Themenschwerpunkte

Diese Bachelor-Thesis befasst sich mit der E-Mail-Klassifizierung in einem CRM-System anhand von Text Mining Analyseverfahren. Ziel ist die Entwicklung eines Prototypen, der die automatische Kategorisierung von E-Mails ermöglicht.

• Text Mining und Natural Language Processing
• Textklassifizierung mit Machine Learning
• Entwicklung eines Prototypen mit Frameworks und Bibliotheken
• Evaluation und Vergleich verschiedener Klassifikatoren
• Diskussion der Ergebnisse und zukünftige Entwicklungsmöglichkeiten

Zusammenfassung der Kapitel

Die Einleitung stellt die Motivation und Problembeschreibung der Arbeit dar und beschreibt die Zielsetzung und den Ansatz der Forschung. Kapitel 2 behandelt den Stand von Wissenschaft und Technik mit Fokus auf Text Mining, Natural Language Processing, Textklassifizierung und relevanten Frameworks und Bibliotheken. Kapitel 3 widmet sich der technischen Umsetzung des Prototypen, einschließlich der Anforderungen, des Konzepts und der Implementierung. Kapitel 4 beinhaltet die Evaluation des Prototypen, die Teststrategie und die Analyse der Ergebnisse.

Schlüsselwörter

E-Mail Klassifizierung, CRM-System, Text Mining, Natural Language Processing, Machine Learning, Klassifikatoren, Frameworks, Bibliotheken, Evaluation, Prototyp, Prototyping, Analyse, Datenvorverarbeitung, Datenanalyse, Konfusionsmatrizen, Lernkurven, Resultate, Diskussion.