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
Weitere Dienste
Statistik
| 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: | Open Access |
| Lizenz (Deutsch): |  Es gilt das UrhG |