Erkennung von Fake News anhand von stilbasierten Methoden des Text Minings


Bachelorarbeit, 2021

66 Seiten, Note: 1,6


Leseprobe


Ende der Leseprobe aus 66 Seiten

Details

Titel
Erkennung von Fake News anhand von stilbasierten Methoden des Text Minings
Hochschule
Hochschule Ravensburg-Weingarten
Note
1,6
Autor
Jahr
2021
Seiten
66
Katalognummer
V1031189
ISBN (eBook)
9783346436924
ISBN (Buch)
9783346436931
Sprache
Deutsch
Anmerkungen
Wie in der BA beschrieben beeinflussen die Namen im Datensatz die Analyseergebnisse stark. Abzüge gab es daher, da bei der Realisierung und Analyse des Datensatzes alle Vornamen und Nachnamen im Datensatz nicht im Data Cleaning entfernt wurden und diese die Ergebnisse beeinflussen.
Schlagworte
Fake News, Text Mining, Data Mining, Wirtschaftsinformati, Desinformation, Falsche Nachricht, Fake, News, Nachrichten, Text Analyse, EDA, Clustering, gefälschte Nachrichten, Muster Erkennung, Sprache der gefälschten Nachrichten, Data Cleaning, Machine Learning, NLP, Data Representation, Stilbasierte Fake News Erkennung, Methoden zur Fake News Erkennung, Stilklassifikation, Mustererkennung, Ausbreitungsbasierte Fake News Erkennung, Wissensbasierte Fake News Erkennung, Quellenbasierte Fake News Erkennung, Tools zur Fake News Erkennung, Datensatz, Data Understanding, Stoppwörter, Tokenisierung, Stemming, Vektrorisierung, Bag of Words, TF-IDF, Naive Bayes, Klassifikation, Social Bots, Influence Bots, Faktencheck
Arbeit zitieren
Oliver Lorenz (Autor:in), 2021, Erkennung von Fake News anhand von stilbasierten Methoden des Text Minings, München, GRIN Verlag, https://www.grin.com/document/1031189

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Erkennung von Fake News anhand von stilbasierten Methoden des Text Minings



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden