Volltext-Downloads (blau) und Frontdoor-Views (grau)

Vergleich verschiedener Lernmethoden neuronaler Netze bei der Analyse von „Social Media“ Inhalten

  • The goal of this bachelor thesis was the comparison of different learning methods in neural networks. The methods were applied to detect hate posts on social media plat-forms like twitter. To achieve this, a supervised Recurrent Neural Network and a self-supervised Word2Vec model were implemented. The results of both implementations show the importance of choosing the correct dataset and a learning method generating significant results. The problems of both implementations were identified and formulated into possible solutions to achieve more accurate predictions in future. This thesis is of high interest for students and developers in the area of sentiment analysis.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar

Statistik

frontdoor_oas
Metadaten
Verfasserangaben:Alasdair Maclachlan
URN:urn:nbn:de:hbz:832-epub4-12518
Gutachter:Birgit Bertelsmeier, Heiner Klocke
Dokumentart:Bachelorarbeit
Sprache:Deutsch
Veröffentlichende Institution:Hochschulbibliothek der Technischen Hochschule Köln
Titel verleihende Institution:Technische Hochschule Köln
Datum des Hochladens:07.09.2018
GND-Schlagwort:Datenverarbeitung; Informatik; Künstliche Intelligenz
Freies Schlagwort / Tag:Neuronale Netze
Seitenzahl:58
Fakultäten und Zentrale Einrichtungen:Informatik und Ingenieurwissenschaften (F10)
CCS-Klassifikation:G. Mathematics of Computing
DDC-Sachgruppen:000 Allgemeines, Informatik, Informationswissenschaft
JEL-Klassifikation:C Mathematical and Quantitative Methods
Open Access:Ja
Lizenz (Deutsch):License LogoEs gilt das UrhG