ArgumenText ist ein Validierungsprojekt des Ubiquitous Knowledge Processing (UKP) Labs an der Technischen Universität Darmstadt. Unser Ziel ist es, die aktuellsten Forschungsergebnisse in den Bereichen Argument Mining und Textanalyse für die industrielle Anwendung zu validieren und Produkte zu entwickeln, die das Potenzial unstrukturierter Daten freisetzen. Von einer zuvor für die Identifikation von Argumentstrukturen in Studentenaufsätzen entwickelten Joint-Modeling Methode (Stab und Gurevych 2017) ausgehend, entwickeln wir robuste „end-to-end“ Ansätze um Argumente aus webbasierten Datensammlungen zu extrahieren.

Durch Sprachadaption erweitern wir unsere aktuellen Methoden auf andere Sprachen wie Deutsch und evaluieren deren Performanz auf diversen Themen und Textarten. Die daraus resultierende Software kann in Echtzeit Argumente aus dynamischen Textquellen wie Nachrichtenströmen oder sozialen Netzwerken gewinnen, um dann daraus eine für den Nutzer verständliche Zusammenfassung zu erstellen.

ArgumenText wird vom Bundesministerium für Bildung und Forschung (BMBF) als Teil des VIP+ Programmes gefördert.

Projektziele

Infographic Argument Mining

Argument Mining

Wir entwickeln neuartige Deep Learning Methoden um Argumente aus heterogenen Webquellen und Textströmen wie bspw. sozialen Netzwerken und Online Nachrichtenportalen zu gewinnen. Unser Ansatz ermöglicht eine schnelle Anpassung an neue Anwendungsfälle und Argumentermittlung in diversen Domänen.

Sprachadaption

Unsere Argument Mining Methoden werden so optimiert, dass sie Argumente in verschiedenen Sprachen finden können. Unsere Technologie arbeitet mit den aktuellsten multilingualen Repräsentationen – dies erlaubt es uns einen optimalen Nutzen aus Trainingsressourcen zu ziehen, um ein Model, welches mit einer bestimmten Sprache trainiert wurde, auf viele andere Sprachen anzuwenden.

Infographic Language Adaption
Infographic Argument Aggregation

Aggregation von Argumenten

Um einen schnellen, verständlichen Überblick über themenrelevante Argumente zu ermöglichen, entwickeln wir Zusammenfassungsstrategien, die ähnliche Pro- und Kontraargumente verschiedener Quellen zusammengruppieren. Dies ermöglicht auch einen schnellen Zugang zu relevanten Argumenten, ohne durch lange Ergebnislisten lesen zu müssen.

Echtzeitanalysen

Um aktuell wiederkehrende Argumente zu finden, wenden wir unsere Methoden auf Textströme wie Nachrichten oder soziale Netzwerke an. Unser Ziel ist es, eine skalierbare Infrastruktur zu entwickeln, die durchgehend Millionen von Quellen in Echtzeit nach den aktuellsten Argumenten durchsucht und dadurch die neusten Trends findet.

Infographic Realtime Analytics
argumentext background svg

Use Cases

Unsere Technologie ermöglicht es das Potenzial von unstrukturierten Daten freizusetzen und ihre ungenutzten Vorzüge in die Entscheidungsfindungsprozesse diverser Anwendungsszenarien zu integrieren:
1

Intelligente Online-Recherche

Die Suche nach wohl begründeter Information zu (potenziell) kontroversen Themen im Netz wird oft durch eine große Anzahl an einfachen Meinungs- und Empfindungsausdrücken gebremst. Nichtsdestotrotz enthält das Netz auch genügend sinnvolle Argumente – sie sind in der schieren Masse vorhandener Information nur viel schwieriger zu finden. Argument Extraction schafft es nützliche Information zu jedem denkbaren Thema zu ermitteln.

2

Trendthemen-Analyse

Das Potenzial aufkommender Technologien oder Produkte ist ein viel diskutiertes Thema im Netz. Solche Diskussionen können für Entscheidungsträger und Innovationsmanagement sehr nützlich sein, da sie diverse und begründete Meinungen zu neuen Produkten und Technologien liefern. Während eine einfache Recherche über Innovation dazu führen könnte, dass man sich durch irrelevante Werbetexte und eine Flut von Meinungsäußerungen kämpfen muss, legt Argument Mining die essentiellen Informationen für die Entdeckung vielversprechender Innovationen frei. Durch die Beobachtung von Argumenten zu gegebenen Produkten oder Technologien im Laufe der Zeit, ist ArgumenText in der Lage Änderungen und Trends der öffentlichen Wahrnehmungen ebendieser aufzudecken.

3

Intelligente Kundenfeedback-Analyse

Weltweit definieren Opinion Mining und Stimmungsanalysen Feedbackanalysen für Unternehmen neu. Nichtsdestotrotz können auch aktuelle Ansätze zur automatischen Extraktion von Feedback aus sozialen Medien oder anderen öffentlichen Kommunikationskanälen lediglich aufzeigen, was Personen an einem bestimmten Produkt, Unternehmen oder einer Marke gefällt oder nicht. Die Argumentextraktion geht einen bedeutenden Schritt weiter – sie spürt die Gründe auf, aus denen der Person das gezielte Produkt oder die Marke gefällt oder eben missfällt. Diese Information kann von enormem Nutzen für die Entscheidungsfindung im Marketing oder Management sein.

Möchten Sie eine Demo anfordern?

Wir freuen uns von Ihnen zu hören.