Leseprobe
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Erkennung von Fake News anhand von stilbasierten Methoden des Text Minings
Oliver Lorenz
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Naturwissenschaften, Medizin, Informatik, Technik / Informatik
Beschreibung
Bachelorarbeit aus dem Jahr 2021 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,6, Hochschule Ravensburg-Weingarten, Sprache: Deutsch, Abstract: Die Bachelorarbeit dreht sich rund um die Analyse und Erkennung von Fake News. Dabei werden aktuelle Anwendungen und Forschungen aufgezeigt sowie alle Methoden zur Fake News Erkennung strukturiert dargestellt und erläutert. Die Möglichkeiten Texte durch Text Mining zu analysieren, um Fake News zu erkennen, werden dargestellt. Daher steht im Fokus der Bachelorarbeit besonders die Methode der stilbasierten Fake News Erkennung, da durch das Text Mining einige Verfahren dieser Methodik angewendet werden können. Um Ergebnisse bezüglich der Erkennung von Fake News, anhand von stilbasierten Methoden des Text Minings zu erhalten, wird ein ausgewählter und aufbereiteter Datensatz aus politischen wahren und falschen Nachrichten aus dem Jahr 2016 und 2017 separat für Nachrichtentitel und Nachrichtentexte analysiert. Durch die sehr hohen erreichten Genauigkeiten zwischen 92 und 97 Prozent bei den durchgeführten Klassifikationen durch TF-IDF Vektorisierung und Anwendung des Naive Bayes Klassifikators sowie der logistischen Regression, kann bestätigt werden, dass sich das Text Mining zur Erkennung von Fake News eignet und klassische Fake News durch Text Mining erkannt werden. Allerdings beschränkt sich die Erkennung von Fake News anhand von Text Mining auf einen sorgfältig ausgewählten sowie aufbereiten Datensatz mit bereits enthaltenen und gekennzeichneten Fake und True News. Die erkannten Muster und Ergebnisse sind lediglich für vergleichbare Nachrichten bezüglich der Thematik, Sprache und Zeitraum verwendbar und nicht verallgemeinerbar. Zudem wurde anhand der durchgeführten Text Mining Methoden wie EDA und Clustering eine Sprache der gefälschten Nachrichten identifiziert und dargestellt. Diese Sprache weist auf, dass im Datensatz die Worte hillari und clinton die am meisten vorkommenden und eindeutigsten Fake News Wörter sind. Das Wort hillari stellt bei den Nachrichtentiteln mit 57,46 Prozent und die Wörter video mit 57,86 Prozent und hillari mit 56,32 Prozent die Besten Fake News Erkennungsworte dar. Es wurde analysiert, das Fake News aus doppelt so vielen individuellen Wörtern bestehen wie True News. Durch die Clustering Analyse werden die zugehörigen Fake News Worte mit einem Anteil von 66 Prozent für Fake News Titel und 84 Prozent für Fake News Texte in erstellten Word Clouds dargestellt. [...]
Kundenbewertungen
Methoden zur Fake News Erkennung, Text Analyse, Text Mining, Naive Bayes, Stilbasierte Fake News Erkennung, Wissensbasierte Fake News Erkennung, Wirtschaftsinformati, Nachrichten, News, Tools zur Fake News Erkennung, Klassifikation, Stoppwörter, Clustering, Tokenisierung, gefälschte Nachrichten, Datensatz, Data Cleaning, Influence Bots, Social Bots, EDA, Fake, Falsche Nachricht, Vektrorisierung, Fake News, Faktencheck, Stilklassifikation, Ausbreitungsbasierte Fake News Erkennung, Bag of Words, Data Mining, TF-IDF, Machine Learning, Mustererkennung, Data Representation, Sprache der gefälschten Nachrichten, Data Understanding, Desinformation, Quellenbasierte Fake News Erkennung, Muster Erkennung, NLP, Stemming