Zum Inhalt
Promovierender

M.Sc. Jonas Rieger

Kontakt

Technische Universität Dortmund
Fakultät Statistik
Lehrstuhl für Wirtschafts- und Sozialstatistik
CDI-Gebäude, Raum 3
44221 Dortmund

E-Mail: riegerstatistik.tu-dortmundde
Tel.: +49 231 755 5216

Porträtfoto von Jonas Rieger © Felix Schmale​/​TU Dortmund
  • seit Dezember 2018: Wissenschaftlicher Mitarbeiter und Promovierender
  • 2016-2018: Wissenschaftliche Hilfskraft im Bereich Text Mining
  • 2016-2018: M.Sc. Statistik mit Schwerpunkt Informatik, TU Dortmund
    Masterarbeit: Vergleich latenter Themen aus LDA-Topicmodellen
  • 2013-2016: B.Sc. Statistik mit Schwerpunkt Informatik, TU Dortmund

Mitglied beim Dortmund Center for data-based Media Analysis (DoCMA).

  • Evaluierung von Topic Modellen (Qualität und Reliabilität)
  • Modellselektion und Parametertuning von Topic Modellen
  • Update Algorithmen für Topic Modelle
  • Erkennung von Strukturbrüchen, Ereignissen und Narrativen in Text Korpora
  • Text Korpus-basierte Indikatoren
  • Inhaltsanalysen von Texten und Tweets politischer Parteien und Parlamentariern

GitHub Profil

Schauen Sie sich gerne auch die PsychTopics App an, die auf der Methode RollingLDA basiert, sowie The World of Topic Modeling in R (Wiedemann, 2022) für eine kurze Übersicht einiger R Pakete mit Bezug zu Topic Modeling.

ORCiD

  • Bittermann, A. und Rieger, J. (2022). Finding scientific topics in continuously growing text corpora. Angenommen für: Proceedings of the 3rd Workshop on Scholarly Document Processing (SDP). DOI. GitHub. PsychTopics App. Poster.
  • Lange, K.-R., Rieger, J., Benner, N. und Jentsch, C. (2022). Zeitenwenden: Detecting changes in the German political discourse. Proceedings of the 2nd Workshop on Computational Linguistics for Political Text Analysis. pdf. GitHub.
  • Rieger, J., Lange, K.-R., Flossdorf, J. und Jentsch, C. (2022). Dynamic change detection in topics based on rolling LDAs. Proceedings of the Text2Story'22 Workshop. CEUR-WS 3117, 5-13. pdf. GitHub.
  • Rieger, J., Jentsch, C. und Rahnenführer, J. (2021). RollingLDA: An Update Algorithm of Latent Dirichlet Allocation to Construct Consistent Time Series from Textual Data. Findings of the Association for Computational Linguistics: EMNLP 2021, 2337-2347. DOI. GitHub.
  • von Nordheim, G., Rieger, J. und Kleinen-von Königslöw, K. (2021). From the fringes to the core – An analysis of right-wing populists’ linking practices in seven EU parliaments and Switzerland. Digital Journalism. DOI. GitHub. EJO.
  • von Nordheim, G., Koppers, L., Boczek, K., Rieger, J., Jentsch, C., Müller, H. und Rahnenführer, J. (2021). Die Entwicklung von Forschungssoftware als praktische Interdisziplinarität. M&K Medien & Kommunikationswissenschaft 69, 80-96. DOI.
  • Rieger, J., Jentsch, C. und Rahnenführer, J. (2020). Assessing the Uncertainty of the Text Generating Process using Topic Models. ECML PKDD 2020 Workshops. CCIS 1323, 385-396. DOI. GitHub.
  • Rieger, J. (2020). ldaPrototype: A method in R to get a Prototype of multiple Latent Dirichlet Allocations. Journal of Open Source Software, 5(51), 2181. DOI.
  • Rieger, J., Rahnenführer, J. und Jentsch, C. (2020). Improving Latent Dirichlet Allocation: On Reliability of the Novel Method LDAPrototype. Natural Language Processing and Information Systems, NLDB 2020. LNCS 12089, 118-125. DOI.
  • von Nordheim, G. und Rieger, J. (2020). Im Zerrspiegel des Populismus – Eine computergestützte Analyse der Verlinkungspraxis von Bundestagsabgeordneten auf Twitter. Publizistik 65, 403-424. DOI. GitHub. EJO.

Aktuelle Einreichungen

  • Rieger, J., Jentsch, C. und Rahnenführer, J.: LDAPrototype: A Model Selection Algorithm to Improve Reliability of Latent Dirichlet Allocation. DOI.

Preprints und Working Paper

  • Lange, K.-R., Rieger, J. und Jentsch, C. (2022). Lex2Sent: A bagging approach to unsupervised sentiment analysis. arXiv. DOI.
  • Shrub, Y., Rieger, J., Müller, H. und Jentsch, C. (2022). Text data rule - don't they? A study on the (additional) information of Handelsblatt data for nowcasting German GDP in comparison to established economic indicators. Ruhr Economic Papers #964. Link.
  • Müller, H., Rieger, J., Schmidt, T. und Hornig, N. (2022). An Increasing Sense of Urgency: The Inflation Perception Indicator (IPI) to 30 June 2022 - a Research Note. DoCMA Working Paper #12. DOI. GitHub.
    Vorherige Ausgaben und zusätzliche Links: Handelsblatt (07/25/2022), Handelsblatt (05/24/2022), Pressure is high (04/30/2022), Handelsblatt (03/10/2022), A German Inflation Narrative (02/28/2022).
  • Müller, H., Rieger, J. und Hornig, N. (2022). Vladimir vs. the Virus - a Tale of two Shocks. An Update on our Uncertainty Perception Indicator (UPI) to April 2022 - a Research Note. DoCMA Working Paper #11. DOI. GitHub.
    Vorherige Ausgaben"Riders on the Storm" (Q1 2021), "We’re rolling" (Q4 2020), "For the times they are a-changin'" (Q3 2020).
  • Jentsch, C., Mammen, E., Müller, H., Rieger, J. und Schötz, C. (2021). Text mining methods for measuring the coherence of party manifestos for the German federal elections from 1990 to 2021. DoCMA Working Paper #8. DOI. Spiegel Online.
  • Rieger, J. und von Nordheim, G. (2021). corona100d – German-language Twitter dataset of the first 100 days after Chancellor Merkel addressed the coronavirus outbreak on TV. DoCMA Working Paper #4. DOI. GitHub.

Weitere Publikationen

  • Bittermann, A., Müller, S. M., und Rieger, J. (2022). PsychTopics: Wie man den Überblick über die Forschungslandschaft der Psychologie behält. Open Password. Link.
  • Rieger, J. (2019). Mónica Bécue-Bertaut (2019): Textual Data Science with R. Statistical Papers 60, 1797-1798. DOI.
  • Finding scientific topics in contionuously growing text corpora. SDP'22 Workshop @COLING 2022. Gyeongju, Republic of Korea (10/2022). Pre-recording.
  • Monitoring consistent topics in continuously growing scientific text corpora. Statistische Woche 2022. Münster, Germany (09/2022).
  • Dynamic change detection in topics based on rolling LDAs. Text2Story'22 Workshop @ECIR 2022. Stavanger, Norway (04/2022). Pre-recording.
  • Improving the reliability of LDA results using LDAPrototype as selection criterion. DAGStat 2022. Hamburg, Germany (03/2022).
  • RollingLDA: An Update Algorithm of Latent Dirichlet Allocation to Construct Consistent Time Series from Textual Data. EMNLP 2021. Punta Cana, Dominican Republic (11/2021). Pre-recording.
  • Assessing the Uncertainty of the Text Generating Process using Topic Models. EDML'20 Workshop @ECML PKDD 2020. Online (09/2020).
  • Improving Latent Dirichlet Allocation: On Reliability of the Novel Method LDAPrototype. NLDB 2020. Online (06/2020).
  • Quantifizierung der Stabilität der Latent Dirichlet Allocation mithilfe von Clustering auf wiederholten Durchläufen. Statistische Woche 2019. Trier, Germany (09/2019).
  • Softwaretools für die Kommunikationsforschung. DGPuK 2019. Münster, Germany (05/2019).
  • Measuring Stability of Replicated LDA Runs. DAGStat 2019. Munich, Germany (03/2019).
  • Text as Data (WiSe 2022/23)
  • Einführung in LaTeX (SoSe 2022, 2021, 2020, 2019)
  • Data Mining Cup (SoSe 2022, 2021, 2020 [Platz 1 und 6], 2019 [Platz 12 und 16])
  • Fallstudien I (WiSe 2021/22)
  • Schätzen und Testen (WiSe 2021/22)
  • Nichtparametrische Verfahren (WiSe 2020/21)
  • Seminar: Text Data meets Econometrics (WiSe 2020/21)
  • Entscheidungstheorie - Statistik VI (SoSe 2020)
  • Wahrscheinlichkeitstheorie - Statistik V (WiSe 2019/20)
  • Seminar: Textdatenanalyse (SoSe 2019)

Anfahrt & Lageplan

Der Campus der Technischen Universität Dortmund liegt in der Nähe des Autobahnkreuzes Dortmund West, wo die Sauerlandlinie A45 den Ruhrschnellweg B1/A40 kreuzt. Die Abfahrt Dortmund-Eichlinghofen auf der A45 führt zum Campus Süd, die Abfahrt Dortmund-Dorstfeld auf der A40 zum Campus-Nord. An beiden Ausfahrten ist die Universität ausgeschildert.

Direkt auf dem Campus Nord befindet sich die S-Bahn-Station „Dortmund Universität“. Von dort fährt die S-Bahn-Linie S1 im 15- oder 30-Minuten-Takt zum Hauptbahnhof Dortmund und in der Gegenrichtung zum Hauptbahnhof Düsseldorf über Bochum, Essen und Duisburg. Außerdem ist die Universität mit den Buslinien 445, 447 und 462 zu erreichen. Eine Fahrplanauskunft findet sich auf der Homepage des Verkehrsverbundes Rhein-Ruhr, außerdem bieten die DSW21 einen interaktiven Liniennetzplan an.
 

Zu den Wahrzeichen der TU Dortmund gehört die H-Bahn. Linie 1 verkehrt im 10-Minuten-Takt zwischen Dortmund Eichlinghofen und dem Technologiezentrum über Campus Süd und Dortmund Universität S, Linie 2 pendelt im 5-Minuten-Takt zwischen Campus Nord und Campus Süd. Diese Strecke legt sie in zwei Minuten zurück.

Vom Flughafen Dortmund aus gelangt man mit dem AirportExpress innerhalb von gut 20 Minuten zum Dortmunder Hauptbahnhof und von dort mit der S-Bahn zur Universität. Ein größeres Angebot an internationalen Flugverbindungen bietet der etwa 60 Kilometer entfernte Flughafen Düsseldorf, der direkt mit der S-Bahn vom Bahnhof der Universität zu erreichen ist.

Interaktive Karte

Die Einrichtungen der Technischen Universität Dortmund verteilen sich auf den größeren Campus Nord und den kleineren Campus Süd. Zudem befinden sich einige Bereiche der Hochschule im angrenzenden Technologiepark.

Campus Lageplan Zum Lageplan