Automatische Verfahren zur Erkennung hassgeladener Sprache in sozialen Medien
- In Zeiten, in denen soziale Netzwerke stetig weiterwachsen und rasant an Mitgliedern gewinnen, entstehen auch mehr Inhalte, als vor Jahrzehnten vorstellbar gewesen wären. Dadurch, dass ein Großteil der Gesellschaft Anteil an solchen sozialen Netzwerken nimmt und über deren Kommunikationswege auch diskutiert und Informationen austauscht, ist es zunehmend relevanter geworden, einen sicheren Rahmen für diesen Austausch zu bieten. Dabei ist vor allem die sogenannte hassgeladene Sprache (engl.: Hate-Speech) ein großes Problem. Um einen gesitteten Austausch gewährleisten zu können, 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 können. Sie werden in diversen Forschungsfeldern des maschinellen Lernens eingesetzt und erzielen durchwegIn Zeiten, in denen soziale Netzwerke stetig weiterwachsen und rasant an Mitgliedern gewinnen, entstehen auch mehr Inhalte, als vor Jahrzehnten vorstellbar gewesen wären. Dadurch, dass ein Großteil der Gesellschaft Anteil an solchen sozialen Netzwerken nimmt und über deren Kommunikationswege auch diskutiert und Informationen austauscht, ist es zunehmend relevanter geworden, einen sicheren Rahmen für diesen Austausch zu bieten. Dabei ist vor allem die sogenannte hassgeladene Sprache (engl.: Hate-Speech) ein großes Problem. Um einen gesitteten Austausch gewährleisten zu können, 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 können. 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 beschäftigt.…
Verfasserangaben: | Fabian Berner |
---|---|
URN: | urn:nbn:de:kobv:525-34635 |
Untertitel (Deutsch): | Verbesserung der Ergebnisse der GermEval2019 Task 2 mit Ensemble-Methoden |
Verlagsort: | Potsdam |
Gutachter*in: | Julia Maria Struß, Günther Neher |
Dokumentart: | Bachelorarbeit |
Sprache: | Deutsch |
Datum der Veröffentlichung (online): | 02.07.2024 |
Jahr der Erstveröffentlichung: | 2023 |
Veröffentlichende Institution: | Fachhochschule Potsdam |
Titel verleihende Institution: | Fachhochschule Potsdam |
Datum der Freischaltung: | 10.07.2024 |
Freies Schlagwort / Tag: | BA Informations- und Datenmanagement |
GND-Schlagwort: | Social Media; Ethik; Computerlinguistik; Automatische Spracherkennung; Text Mining |
Seitenzahl: | 58 |
Fachbereiche und Zentrale Einrichtungen: | FB5 Informationswissenschaften |
DDC-Klassifikation: | 000 Informatik, Informationswissenschaft, allgemeine Werke / 000 Informatik, Wissen, Systeme |
000 Informatik, Informationswissenschaft, allgemeine Werke / 020 Bibliotheks- und Informationswissenschaften | |
Lizenz (Deutsch): | ![]() |