Mit Hinblick auf die Präsidentschaftswahl der USA am 3. November 2020 verfolgt die nachfolgende Arbeit das Ziel, Ähnlichkeiten in den Facebook Beiträge der Präsidentschaftskandidaten Trump, Biden und Jorgensen mithilfe eines neuronalen Netzes zu untersuchen.
Der Amtsinhaber Donald Trump vertritt die republikanische Partei, während der ehemalige US-Vizepräsident Joe Biden die Demokraten vertritt. Jo Jorgensen, Professorin für Psychologie, vertritt die Libertäre Partei. Aufgrund des
oftmals genannten "Zweiparteiensystems" in den USA (in dem überwiegend die Demokraten und Republikaner praktische Bedeutung besitzen, obwohl es faktisch Mehrparteiensystem ist) gilt Jo Jorgensen als "Underdog" der Präsidentschaftskandidaten. Die Beiträge des Präsidentschaftskandidaten Rocky de la Fuente (republikanische Partei) werden in dieser Ausarbeitung nicht berücksichtigt, da Rocky de la Fuente als Kandidat zur Präsidentschaftswahl 2016 lediglich 0,02% erzielte. Auch werden die Beiträge von bereits ausgeschiedenen Kandidaten (bspw. Bernie Sanders) nicht weiter berücksichtigt.
Somit fokussiert sich die Analyse der Facebook - Beiträge auf die Präsidentschaftskandidaten Trump, Biden und
Jorgensen. Auf der Grundlage der "Word2Vec" – Methode wird ein neuronales Netz gebildet, welches die Facebook - Beiträge der Präsidentschaftskandidaten in Vektoren umwandelt. Die vektorisierten Beiträge ermöglichen letztendlich einen Vergleich der Facebook - Beiträge, sodass das neuronale Netz Auskunft darüber geben kann, inwiefern sich die Beiträge der Präsidentschaftskandidaten ähneln. Es ist zu erwarten, dass sich die Grundsätze bzw. die politischen Überzeugungen der jeweils angehörigen Partei in den Facebook - Beiträgen der Kandidaten widerspiegeln und somit Unterschiede festgestellt werden können.
Das Ziel der Ausarbeitung ist es, mithilfe eines neuronalen Netzes Rückschlüsse darüber zu ziehen, ob sich signifikante Unterschiede in den Facebook - Beiträgen der Präsidentschaftskandidaten feststellen lassen. Die Ausarbeitung unterteilt sich in insgesamt vier Kapitel. Im Folgenden wird zunächst die "Word2Vec" – Methode erläutert. Anschließend wird im dritten Kapitel Bezug auf das verwendete Python – Skript genommen, es werden die Kernelemente des Python – Skripts dargestellt und erläutert. Im vierten Kapitel wird der Output des neuronalen Netzes und die Validität der Ergebnisse diskutiert.
Inhaltsverzeichnis
1 Einleitung
2 Methodisches Vorgehen
2.1 Erläuterung Word2Vec - Methode
3 Python - Skript
3.1 Extrahieren der Posts
3.2 Vorverarbeitung der Dateien
3.2.1 Bereinigung der Dateien
3.2.2 Stop – Words - Liste
3.2.3 Stemming
3.2.4 Interpunktion
3.2.5 Übersicht der Vorverarbeitung
3.3 Word2Vec - Modell
3.4 Trainieren des Word2Vec – Modells
3.5 Word Mover Distance
3.6 Output des neuronalen Netzes
4 Fazit
Zielsetzung & Themen
Die Arbeit untersucht mittels computerlinguistischer Methoden, inwiefern sich die inhaltlichen Grundsätze und politischen Überzeugungen der US-Präsidentschaftskandidaten Trump, Biden und Jorgensen in ihren Facebook-Beiträgen widerspiegeln und ob signifikante Ähnlichkeiten oder Unterschiede zwischen ihnen bestehen.
- Anwendung der Word2Vec-Methode zur Vektorisierung von Textdaten
- Automatisierte Erhebung und Vorverarbeitung von Social-Media-Beiträgen
- Einsatz neuronaler Netze für semantische Textanalysen
- Messung inhaltlicher Ähnlichkeiten durch die Word Mover Distance (WMD)
Auszug aus dem Buch
1 Einleitung
Mit Hinblick auf die Präsidentschaftswahl der USA am 3. November 2020 verfolgt die nachfolgende Arbeit das Ziel, Ähnlichkeiten in den Facebook Beiträge der Präsidentschaftskandidaten Trump, Biden und Jorgensen mithilfe eines neuronalen Netzes zu untersuchen. Der Amtsinhaber Donald Trump vertritt die republikanische Partei, während der ehemalige US-Vizepräsident Joe Biden die Demokraten vertritt. Jo Jorgensen, Professorin für Psychologie, vertritt die Libertäre Partei. Aufgrund des oftmals genannten ‚Zweiparteiensystems‘ in den USA (in dem überwiegend die Demokraten und Republikaner praktische Bedeutung besitzen, obwohl es faktisch Mehrparteiensystem ist) gilt Jo Jorgensen als ‚Underdog‘ der Präsidentschaftskandidaten. Die Beiträge des Präsidentschaftskandidaten Rocky de la Fuente (republikanische Partei) werden in dieser Ausarbeitung nicht berücksichtigt, da Rocky de la Fuente als Kandidat zur Präsidentschaftswahl 2016 lediglich 0,02% erzielte. Auch werden die Beiträge von bereits ausgeschiedenen Kandidaten (bspw. Bernie Sanders) nicht weiter berücksichtigt. Somit fokussiert sich die Analyse der Facebook - Beiträge auf die Präsidentschaftskandidaten Trump, Biden und Jorgensen. Auf der Grundlage der ‚Word2Vec‘ – Methode wird ein neuronales Netz gebildet, welches die Facebook - Beiträge der Präsidentschaftskandidaten in Vektoren umwandelt. Die vektorisierten Beiträge ermöglichen letztendlich einen Vergleich der Facebook - Beiträge, sodass das neuronale Netz Auskunft darüber geben kann, inwiefern sich die Beiträge der Präsidentschaftskandidaten ähneln. Es ist zu erwarten, dass sich die Grundsätze bzw. die politischen Überzeugungen der jeweils angehörigen Partei in den Facebook - Beiträgen der Kandidaten widerspiegeln und somit Unterschiede festgestellt werden können.
Das Ziel der Ausarbeitung ist es, mithilfe eines neuronalen Netzes Rückschlüsse darüber zu ziehen, ob sich signifikante Unterschiede in den Facebook - Beiträgen der Präsidentschaftskandidaten feststellen lassen.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung definiert das Ziel der Arbeit, die Facebook-Beiträge dreier US-Präsidentschaftskandidaten mithilfe neuronaler Netze auf inhaltliche Ähnlichkeiten hin zu analysieren.
2 Methodisches Vorgehen: Das Kapitel bietet einen Überblick über die vier Abschnitte der Arbeit, inklusive der Erläuterung von Word2Vec, der Skriptstruktur und der anschließenden Ergebnisdiskussion.
3 Python - Skript: Hier werden die technischen Schritte detailreich beschrieben: von der Extraktion der Daten über die Vorverarbeitung (Bereinigung, Stemming etc.) bis hin zur Modellbildung und Distanzmessung mittels WMD.
4 Fazit: Das Fazit resümiert, dass Trump und Biden die größte inhaltliche Ähnlichkeit aufweisen, weist jedoch auf die Limitationen durch den begrenzten Datenumfang hin.
Schlüsselwörter
Word2Vec, Word Mover Distance, Maschinelles Lernen, Facebook-Beiträge, Präsidentschaftswahl, Trump, Biden, Jorgensen, Computerlinguistik, Neuronale Netze, Textanalyse, Python, Sentiment Analyse, Datenerhebung, Vektorraum
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Hausarbeit untersucht die inhaltlichen Ähnlichkeiten zwischen den Facebook-Beiträgen der US-Präsidentschaftskandidaten Donald Trump, Joe Biden und Jo Jorgensen mittels computerlinguistischer Methoden.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf der automatisierten Textverarbeitung, der Anwendung von Word2Vec-Modellen und dem Vergleich politischer Aussagen im digitalen Raum.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es, durch den Einsatz eines neuronalen Netzes zu ermitteln, ob signifikante inhaltliche Unterschiede in den Posts der genannten Kandidaten messbar sind.
Welche wissenschaftliche Methode wird verwendet?
Es wird die Word2Vec-Methode zur Vektorisierung von Texten eingesetzt und zur Messung der Ähnlichkeit zwischen den Dokumenten die Word Mover Distance (WMD) angewendet.
Was wird im Hauptteil behandelt?
Der Hauptteil erläutert den gesamten technischen Workflow: von der Extraktion über die Vorverarbeitung (Bereinigung, Stemming, Stop-Words) bis zur Implementierung und Anwendung des neuronalen Netzes.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Word2Vec, Word Mover Distance, Maschinelles Lernen, Facebook-Beiträge und Digitale Methoden.
Warum wurde Jo Jorgensen als dritte Kandidatin in die Analyse aufgenommen?
Obwohl sie als "Underdog" in einem Zweiparteiensystem gilt, wurde sie aufgenommen, um einen Vergleich jenseits der beiden großen Lager (Republikaner/Demokraten) zu ermöglichen.
Welchen Einfluss hat die "Window Size" auf die Qualität des Word2Vec-Modells?
Der Autor erläutert, dass die Window Size kontextuelle Faktoren berücksichtigt, eine zu hohe Einstellung jedoch die Qualität der Vektorrepräsentationen mindern kann.
Welches Ergebnis liefert die Word Mover Distance für die Kandidaten?
Die Analyse zeigt, dass die Beiträge von Trump und Biden die geringste Distanz (höchste Ähnlichkeit) aufweisen, während Jorgensens Beiträge die größten Differenzen zeigen.
Warum werden die Daten vor der Verarbeitung "gestemmt"?
Das Stemming dient der Simplifizierung der Daten durch die Reduktion von Wörtern auf ihre Grundform, wodurch der Wortschatz effizienter abgebildet wird, ohne die semantische Bedeutung zu verlieren.
- Citar trabajo
- Aleksej Woratsch (Autor), 2020, Wahlkampf in den USA. Welche inhaltlichen Ähnlichkeiten bestehen zwischen den Facebook - Beiträgen der Präsidentschaftskandidaten Trump, Biden und Jorgensen?, Múnich, GRIN Verlag, https://www.grin.com/document/1259055
