Wo es viel Text gibt, aus dem interessante Insights gewonnen werden sollen oder der häufig aufgrund der Menge nicht mehr gelesen oder systematisch und schnell analysiert werden kann, überall dort hat die Metis Text Analytics Engine großes Potential.

Konkrete Integrationen und Umsetzungsbeispiele

Welche Aspekte im Text haben eine Bedeutung und Relevanz? Wenn Sie sich diese Frage stellen, dann sollten wir uns gemeinsam darüber unterhalten. Die Metis Text Analytics Engine ist in der Lage semantische Aspekte nach verschiedenen Kriterien in Texten zu erkennen und so die Themenkomplexe in großen Textmengen zu veranschaulichen und überhaupt erst zugänglich zu machen. Neben einem Zeitgewinn auch ein Zugewinn an Sicherheit, da nicht alle Texte gelesen sein müssen, um die auffallenden und somit relevanten Aspekte zu erkennen. Die Gefahr, dass Wichtiges „unter dem Radar der Wahrnehmung“ in den Textmengen verborgen bleibt, wird dadurch deutlich vermindert. Produktbewertungen, Freitext- und Mitarbeiterumfragen, sowie Qualitätsmeldungen in der Produktion – überall wo es um Relevanz und Erkenntnisgeschwindigkeit in großen Textmengen geht und auch ein gewisser „Information Overload“ gegeben ist, sollte über eine Anwendung nachgedacht werden.
Sie möchten mehr über den Schreibstil von Dokumenten und Büchern erfahren? Dann ist bspw. eine Lesbarkeitsanalyse für Sie die richtige Wahl. Das Ergebnis ist pro Dokument eine Einschätzung, welchem Lesealter der Inhalt entspricht.
Emotionen sind wichtige Indikatoren. Für literarische Quellen können wir Ihnen eine Einordnung des Contents bspw. in „Liebe“, „Hass“, usw. erstellen. Ein möglicher Anhaltspunkt für Buchinteressenten und Eltern, ob ein Buch die Erwartungen an den Inhalt erfüllt bzw. dieser dem Nachwuchs eher nicht zugemutet werden möchte.
In vielen Fragestellungen geht es darum, das Sentiment eines Produkts oder einer jeweiligen Eigenschaft des Produkts im Text zu detektieren und eine Einschätzung der Polarität vorzunehmen. Beispielsweise ist es bei Kundenbewertungen wichtig, das Sentiment den jeweiligen Eigenschaften des Produkts zu erkennen und die damit einhergehende Polarität zu bestimmen. Hierbei ist die Metis Text Analytics Engine hervorragend geeignet. Als Sentiment bezeichnen wir dabei alle meinungsbildenden Wörter, die von der Metis Text Analytics Engine für eine Eigenschaft erkennt, während die Polarität als Ergebniskategorie aus den jeweiligen Sentiments gebildet wird.
Sie möchten Bücher und Kurzgeschichten Genres zuordnen? Dann können wir Ihnen weiterhelfen. Wir ordnen hierbei den zugrunde liegenden Text nicht einem einzelnen Genre zu, sondern analysieren, welche Genres mit welchen Anteilen in einem literarischer Text vorkommen.
Die Komplexität von literarischen Texten hängt auch von der Anzahl der Handelnden sowie der Anzahl und Verteilung von Handlungssträngen ab. Wir analysieren den Inhalt von Dokumenten anhand der tatsächlichen Teilnahme eines Charakters an der Handlung und unterscheiden so zwischen handlungstreibenden Charakteren und „Statisten“. Mit dem Resultat sind wir in der Lage eine visuelle Repräsentation der Charaktere und des jeweiligen Auftrittszeitpunkts im Text herzustellen, aus dieser sich die Komplexität der generellen Handlung einschätzen und ableiten lässt.