@masterthesis{Berner, type = {Bachelor Thesis}, author = {Berner, Fabian}, title = {Automatische Verfahren zur Erkennung hassgeladener Sprache in sozialen Medien}, address = {Potsdam}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:525-34635}, school = {Fachhochschule Potsdam}, pages = {58}, abstract = {In Zeiten, in denen soziale Netzwerke stetig weiterwachsen und rasant an Mitgliedern gewinnen, entstehen auch mehr Inhalte, als vor Jahrzehnten vorstellbar gewesen w{\"a}ren. Dadurch, dass ein Großteil der Gesellschaft Anteil an solchen sozialen Netzwerken nimmt und {\"u}ber deren Kommunikationswege auch diskutiert und Informationen austauscht, ist es zunehmend relevanter geworden, einen sicheren Rahmen f{\"u}r diesen Austausch zu bieten. Dabei ist vor allem die sogenannte hassgeladene Sprache (engl.: Hate-Speech) ein großes Problem. Um einen gesitteten Austausch gew{\"a}hrleisten zu k{\"o}nnen, werden Verfahren eingesetzt, um hassgeladene Aussagen automatisch zu erkennen. Diese Methoden bedienen sich Klassifikationsmethoden aus dem Bereich des Text Mining, welches diverse Methoden beinhaltet, um Informationen aus Texten zu extrahieren. Ein Teil davon sind die sogenannten Klassifikationsmethoden, welche durch Ensemble-Methoden noch verbessert werden k{\"o}nnen. Sie werden in diversen Forschungsfeldern des maschinellen Lernens eingesetzt und erzielen durchweg positive Ergebnisse (Dong et al., 2020, S. 251) (Tasci, 2020, S. 30416). In der vorliegenden Arbeit werden Ensemble-Methoden an einer Shared Task angewendet und dabei die GermEval2019 betrachtet, da diese sich mit deutschsprachigen, hassgeladenen Texten besch{\"a}ftigt.}, subject = {Social Media}, language = {de} }