Refine
Document Type
- Bachelor Thesis (2)
Language
- German (2)
Has Fulltext
- yes (2) (remove)
Keywords
- Klassifikation (2) (remove)
Verbesserung der automatischen Dokument-Klassifikation für den Discovery Service LIVIVO von ZB MED
(2023)
Diese Arbeit beschreibt, wie eine Grundlage geschaffen wird, um die Dokumentenklassifikation der Suchmaschine LIVIVO durch eine Eigenentwicklung der ZB-Med zu ersetzen. Das bisher eingesetzte
System basiert auf einer proprietären Software der Averbis GmbH und bietet keine Möglichkeit, diese von ZB-Med anpassen oder erweitern zu lassen. Damit die Klassifikation der Dokumente innerhalb der Datenbank, der Suchmaschine LIVIVO, verbessert werden kann, soll ein neues System entwickelt werden.
Um dieses Ziel erreichen zu können, konzentriert sich diese Arbeit auf eine explorative Analyse der vorhandenen Daten sowie auf die Erstellung erster Klassifikationsmethoden und den damit verbundenen Aufbau eines Textkorpus. Diese neu erstellten Methoden basieren auf existierenden Klassifikationsmodellen wie Stochastic Gradient Descent Classifier (SGDC), Term-Frequenzy Inverse-Document-Frequenzy (TF-IDF) und Latent Dirichlet Allocation (LDA). Die Ergebnisse dieser Modelle
werden diskutiert und evaluiert. Die erstellten Leistungskurven der Modelle und Textkorpi können somit als Vergleich, sowie Grundlage für weitere Arbeiten am System verwendet werden.
Die vorliegende Arbeit gibt einen Überblick darüber, was Fake News sind, warum sie heutzutage so einfach entstehen und sich verbreiten und welche Folgen sich daraus ergeben. Ziel der Arbeit ist es, Anhaltspunkte für die Identifizierung herauszuarbeiten und eine Klassifizierung vorzunehmen. Dazu werden vier Fälle analysiert, die Aufschluss über die Art der Textmeldungen einschließlich der Websites und Facebook-Profile, welche sie veröffentlicht haben, geben. Ergänzend dazu wurden Experten befragt, die sich beruflich mit dem Thema beschäftigen und Tipps zur Identifikation gegeben haben. Die Bachelorarbeit ist für Leser relevant, denen bereits potenzielle Fake News aufgefallen sind. Ihnen werden Anhaltspunkte zur Identifikation gegeben und aufgezeigt, welche verschiedenen Arten existieren.