http://it-forensik.fiw.hs-wismar.de/index.php?action=history&feed=atom&title=Janne_Menz 2026-10-31T10:39:41Z Versionsgeschichte dieser Seite in IT-Forensik Wiki MediaWiki 1.43.11 http://it-forensik.fiw.hs-wismar.de/index.php?title=Janne_Menz&diff=1913&oldid=prev 2021-07-25T08:23:23Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 25. Juli 2021, 08:23 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l1">Zeile 1:</td> <td colspan="2" class="diff-lineno">Zeile 1:</td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>Bachelor Thesis, Hochschule Wismar, <del style="font-weight: bold; text-decoration: none;">April </del>2021</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>Bachelor Thesis, Hochschule Wismar, <ins style="font-weight: bold; text-decoration: none;">Juli </ins>2021</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Autor: Janne Menz</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Autor: Janne Menz</div></td></tr> </table>

Etduen http://it-forensik.fiw.hs-wismar.de/index.php?title=Janne_Menz&diff=1911&oldid=prev 2021-07-25T08:21:40Z

<p>Die Seite wurde neu angelegt: „Bachelor Thesis, Hochschule Wismar, April 2021 Autor: Janne Menz Titel: &#039;&#039;&#039;Vergleich von Ansätzen der Statistik und Künstlichen Intelligenz zur Kategorisie…“</p> <p><b>Neue Seite</b></p><div>Bachelor Thesis, Hochschule Wismar, April 2021<br /> <br /> Autor: Janne Menz<br /> <br /> Titel: &#039;&#039;&#039;Vergleich von Ansätzen der Statistik und Künstlichen Intelligenz zur Kategorisierung von Texten&#039;&#039;&#039;<br /> <br /> Abstrakt: <br /> <br /> In der Bachelorarbeit sollen verschiedene Methoden der Statistik und künstlichen<br /> Intelligenz in ihrer Fähigkeit verglichen werden, Texte zu klassifizieren.<br /> Des Weiteren soll ein Werkzeug entwickelt werden, das ermöglicht, anhand kategorisierter<br /> Texte ein Model zur Textklassifizierung zu erstellen.<br /> <br /> Textklassifizierung ist eine zentrale Aufgabe im Natural Language Processing. Sie<br /> findet Anwendung in verschiedenen Bereichen, wie zum Beispiel beim Spam-Filter<br /> für Email-Accounts, Sentiment-Analyse zur Moderation in sozialen Netzwerken, oder<br /> auch zur Produktentwicklung und -vermarktung.<br /> <br /> Es gibt für die Programmiersprache Python viele Bibliotheken, die Textklassifizierung<br /> erleichtern, zum Beispiel das Natural Language Toolkit (nltk), ScikitLearn<br /> und TensorFlow. Anwendung finden diese zumeist auf einem der vielen englischsprachigen<br /> Korpora. Um herauszufinden, welche Leistung diese Bibliotheken auf<br /> einem deutschen Korpus erbringen, werden in dieser Arbeit verschiedene Arten der<br /> Textklassifizierung auf dem deutschsprachigen Korpus 10kGNAD angewendet und<br /> verglichen.<br /> <br /> Zunächst wird hierbei auf Vorverarbeitung, Textrepräsentation, sowie Merkmalsauswahl<br /> eingegangen, die eine Kategorisierung durch einen Machine Learning Classifier<br /> ermöglichen.<br /> <br /> Anschließend wird die Möglichkeit der Kategorisierung durch Neuronale Netze und<br /> die hierfür notwendigen Schritte besprochen.<br /> Schließlich wird ein Werkzeug vorgestellt, das ermöglicht, anhand kategorisierter<br /> Texte ein Model zur Textklassifizierung zu erstellen. Hierbei sollen verschiedene<br /> Parameter angepasst und verglichen werden können.<br /> <br /> Abstract<br /> <br /> Text classification is a central task in Natural Language Processing. It is used in<br /> various areas, such as spam filtering for email accounts, sentiment analysis for moderation<br /> in social networks, or product development and marketing.<br /> <br /> There are many libraries for the Python programming language that enable text<br /> classification, for example the Natural Language Toolkit (nltk), ScikitLearn and<br /> TensorFlow. These are mostly used on one of the many English corpora. In order<br /> to find out how these libraries perform on a German corpus, this paper will apply<br /> and compare different types of text classification to the German-language corpus<br /> 10kGNAD.<br /> <br /> First, the steps enabling the application of machine learning classifiers are discussed,<br /> namely pre-processing, text representation and feature selection.<br /> Next, the possibility of categorisation by neural networks and the steps necessary<br /> for doing so are discussed.<br /> <br /> Finally, a tool is presented that makes it possible to create a model for text classification<br /> on the basis of categorised texts. It should be possible to adjust and compare<br /> different parameters.<br /> <br /> [[Media:BT_JMenz.pdf|Download PDF-Dokument]]</div>

Etduen