# Master-Seminar wm820: Themen und Termine Lehrbuch zum Einstieg für alle: * Siegel, Melanie: Sentiment-Analyse deutschsprachiger Meinungsäußerungen. Grundlagen, Methoden und praktische Umsetzung. Wiesbaden, Springer Vieweg 2020. Permalink: | Volltext HA LA: {cite}`siegelSentimentAnalyseDeutschsprachigerMeinungsausserungen2020` ## 2022-03-23 Vorbesprechung In einem ersten Block stellt jeder Teilnehmer der Seminars einige Seiten dieses Lehrbuchs vor. Danach wissen wir alle, auf welches gemeinsame Verständnis wir zuverlässig bauen können. Schritt1: Themen aus Siegel 2020 verteilen (Vortrag dann gleich in der nächsten Sitzung): * Kap 2, S.5-10: Einleitung für Alle * Kap 3 bis 3.5, 17-24 (7) * Kap 3.6, 25-32 (7) * Kap 4, 37-45 (7) * Kap 5, 49-55 (6) * Kap 6, 59-68 (8) * Kap 7 und 8, 71-79 (9) * Kap 9, 81-91 (10) * Kap 10, 93-100 (7) Schritt 2: Die eigentlichen Aufsätze, die uns interessieren, sind eine Auswahl aus , und können auch von dort heruntergeladen werden: * (1) E Cambria, S Poria, A Gelbukh, M Thelwall. Sentiment analysis is a big suitcase. IEEE Intelligent Systems 32(6), 74-80 (2017) {cite}`cambriaSentimentAnalysisBig2017` * (2) F Xing, F Pallucchini, E Cambria. Cognitive-inspired domain adaptation of sentiment lexicons. Information Processing and Management 56, 554-564 (2019) {cite}`xingCognitiveinspiredDomainAdaptation2019` * (3) ZX Wang, SB Ho, E Cambria. A review of emotion sensing: Categorization models and algorithms. Multimedia Tools and Applications 79, 35553-35582 (2020) {cite}`wangReviewEmotionSensing2020` * (4) F Xing, E Cambria, R Welsch. Natural language based financial forecasting: A survey. Artificial Intelligence Review 50(1), 49-73 (2018) {cite}`xingNaturalLanguageBased2018a` * (5) F Xing, L Malandri, Y Zhang, E Cambria. Financial sentiment analysis: An investigation into common mistakes and silver bullets. In: COLING, 978-987 (2020) {cite}`xingFinancialSentimentAnalysis2020` * (6) I Chaturvedi, E Cambria, R Welsch, F Herrera. Distinguishing between facts and opinions for sentiment analysis: Survey and challenges. Information Fusion 44, 65-77 (2018) {cite}`chaturvediDistinguishingFactsOpinions2018` * (7) N Majumder, S Poria, H Peng, N Chhaya, E Cambria, A Gelbukh. Sentiment and sarcasm classification with multitask learning. IEEE Intelligent Systems 34(3), 38-43 (2019) {cite}`majumderSentimentSarcasmClassification2019` * (8) H Bai, FZ Xing, E Cambria, WB Huang. Business taxonomy construction using concept-level hierarchical clustering. In: ACL Workshops, 1-7 (2019) {cite}`baiBusinessTaxonomyConstruction` * (9) Y Li, Q Pan, T Yang, SH Wang, JL Tang, E Cambria. Learning word representations for sentiment analysis. Cognitive Computation 9(6), 843-851 (2017) {cite}`liLearningWordRepresentations2017` Vorträge dann in KW16, KW20, KW24. ## Mi 2022-04-06 (KW 14) * Alle TN: 8 Kurzvorträge a 5-7 Minuten zum Lehrbuch Siegel 2020 ab 12:50 Uhr * 14:30 Uhr: Vortrag Dr. Anatol Reibold, Cogia GmbH Weitere Termine siehe Moodle > [Themen und Termine (Etherpad)](https://moodle.haw-landshut.de/mod/etherpadlite/view.php?id=354570)