@thesis{Kruse2022, author = {Kruse, Carsten}, title = {Vergleichende Evaluation von Topic-Modellen f{\"u}r die Analyse von Softwareinzidenztickets}, publisher = {Technische Hochschule Ingolstadt}, address = {Ingolstadt}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:573-34783}, pages = {X, 97}, school = {Technische Hochschule Ingolstadt}, year = {2022}, abstract = {Durch die stetige Digitalisierung des Alltags und der Unternehmen, entstehen stetig mehr Datenmengen. Zeitgleich wird Machine Learning (ML) immer zug{\"a}nglicher, aber durch die enormen Datenmengen auch immer notwendiger. F{\"u}r Unternehmen sind ML-basierte Hilfssysteme immer attraktiver geworden um die Effizienz der Mitarbeiter zu erh{\"o}hen und die Kosten zu reduzieren. Ein m{\"o}glicher Anwendungspunkt ist das Vorfiltern von Softwareinzidenztickets bei der Softwareentwicklung. Ein automatisiertes System, welches die eingehenden Softwareinzidenztickets nach Themengebieten sortiert und anschließend an die entsprechenden Verantwortlichen weiterleitet, erspart den Entwicklern das Verteilen per Hand und somit Zeit. Durch diese Zeiteinsparung k{\"o}nnen sich die Entwickler mehr auf das eigentliche Entwickeln der Software und das L{\"o}sen der auftretenden Probleme konzentrieren. In dieser Arbeit werden mehrere sogenannte Topic-Modelle diskutiert und evaluiert, da sie in der Lage sind Dokumente in verschiedene Unterkategorien, topics, zu unterteilen. Aus den diskutierten Topic-Modelltypen werden drei Modelltypen mit Hilfe von intrinsischen Metriken, wie dem UMass Koh{\"a}renz Maß, und durch das Feedback der Ticketdom{\"a}nenexperten evaluiert und miteinander verglichen. Das Feedback der Dom{\"a}nenexperten wird durch ein auf der Likert-Skala basierenden standardisierten Fragebogen erhoben. In dieser Arbeit konnte gezeigt werden, dass sowohl klassische Topic-Modelle als auch speziell f{\"u}r kurze Texte entwickelte Topic-Modelle in der Lage sind mit einer hinreichenden Genauigkeit die Softwareinzidenztickets zu unterteilen und somit Zeit und Kosten einzusparen.}, language = {de} }