• Treffer 2 von 2
Zurück zur Trefferliste

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.zeige mehrzeige weniger

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Suche bei Google Scholar
Metadaten
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):License LogoCreative Commons - CC BY-NC-SA - Namensnennung - Nicht kommerziell - Weitergabe unter gleichen Bedingungen 4.0 International
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.