Ligageschichte

Transcript

1. Jan Oberst Stefan Wehrmeyer
2. Topics Interessanteste News: Timeline, Headlines Tabellen Ewige Tabelle, Torjäger, Ergebnisse, Statistiken
3. Datenquellen
4. Datenquellen: Text • Archive • Kicker • Bundesliga.de • Tor24 • FAZ • Goal.com • Fussball24 • RSS-Feeds
5. + Datenquellen • Bundesliga.de: XML für jedes Spiel 2007/08 • detailliert, teilweise nicht auswertbar • Daten der Teams: Faunus, Doppelpass, Orden • Datenfusion, Duplikaterkennung, Datenreinigung
6. NER
7. NER: Spieler • “Markus Miller” • “Miller” wenn “Markus Miller” erkannt wurde • “Miller” Team in News und ein “Miller” im Team • “Markus” Team in News und ein “Markus” total
8. NER: Teams • Karlsruher SC “Karlsruhe”, “karlsruher” kommt 3x vor • Karlsruher SC “Karlsruher SC”, “KSC”, “die Badener” • Karlsruher SC Markus Miller, Sebastian Freis, Tamás Hajnal (3 Spieler) kommen im Text vor
9. NER: Herausforderung • “Markus Rosenberg” und KSC im Text • “Ballkind Markus” und KSC im Text • Finden “Der Karlsruher Arzt diagnostizierte...” “Autounfall in Karlsruhe...” “der in Karlsruhe gebohrene Schiri...” • “Joachim Löw” im Text
10. NER: Ergebnis vector = { mitt 0.016 ungewiss 0.024 optimistisch 0.020 ranger 0.024 P{ThimotheeAtouba} 0.120 P{Rafaelvan der Vaart} 0.240 fussprellung 0.029 gelaufen 0.020 allerd 0.009 P{JorisMathijsen} 0.120 nordderbi 0.025 sportchef 0.019 darauf 0.014 gearbeitet 0.020 T{KarlsruherSC} 0.291 bangt 0.023 wiederholt 0.022 gewann 0.016 saison 0.005 } • Vektoren • Worte der Artikel (stemmed) • Entities (Schiri x 3.1 / Spieler x 1.5 / Trainer x 2)
11. Data Mining
12. News: Headlines
13. Clustering • Großer Cluster = Wichtiges Thema • Blenden kleine Cluster aus • k-means Clustering? • Wenige News: kleineres k • Nur ein Thema: kleineres k
14. SVD • 10 Artikel über Bayern, 10 über KSC: SVD “findet” 2 Features • Wie ereignisreich war ein Spieltag? • Kein Clustering: Hohe Werte für eindeutige News Nicht wichtigste Singular Value Decomposition
15. 1. News eines Spieltages: 4 Tage davor, 4 Tage danach. (Faktor 1,2,3,3,12,10,9,8,2) 2. Vektor: Alle Wörter und Entities 3. SVD: Bildet Features Nehmen “stärkste” News für jedes Feature.. 4. Filtern doppelte News. Viele Features doppelt = Wenige Themen 5. Wenige Themen = Wenige Features. Jedes Thema ein Cluster: So finden wir k (k-means) 6. K-Means Clustering. Größe der Cluster bestimmt Ranking.
16. Ergebnisse
17. News: Headlines
18. News: Timeline
19. Tabellen
20. Ewige Tabelle
21. Torjäger
22. Fairness
23. Tag-Cloud
24. Teamvergleich
25. Teamvergleich
26. Win Wheel
27. Win Wheel
28. Win Wheel
29. Topics Interessante News: Timeline, Headlines Tag-Cloud Wichtigste Ereignisse, Score für Spiel Win Wheel Alle Teams gegeneinander Tabellen Ewige Tabelle + Tabelle + Torjäger + Fairness + Statistiken