Logo des Repositoriums
 

Wer zwitschert denn da? Autorenschaftsattribution mittels stilistischer Merkmale für kurze Social-Media-Nachrichtentexte

Kurzanzeige
dc.contributor.authorLuger, Katharina
dc.contributor.authorSchmittwilken, Jörg
dc.contributor.editorGunnar Auth
dc.contributor.editorTim Pidun
dc.date.accessioned2023-11-13T10:19:41Z
dc.date.available2023-11-13T10:19:41Z
dc.date.issued2023
dc.description.abstractZur Bekämpfung von Computerkriminalität sowie zur Wahrung der Informationssicherheit ist es vielfach notwendig, die Autorenschaft von Texten zu kennen oder zu ermitteln. Gerade die Zuordnung anonymer Texte zu einer möglichen Autorin oder einem möglichen Autor ist in diesem Kontext ein häufig zu lösendes Problem. Beispielsweise muss im Rahmen der Ermittlungsarbeit zu Hass-Kommentaren die Menge möglicher Autor:innen bestenfalls auf eine Person reduziert werden. In diesem Beitrag wird ein Modell zur Autorenschaftsattribution vorgestellt, das mithilfe von maschinellem Lernen aus einem Datensatz mit den Tweets von 915 Twitter-Accounts gelernt wurde. Das Modell basiert auf Support-Vector-Machines. Der Fokus des Beitrags richtet sich auf das Feature-Engineering, also der Erstellung sowie der Auswahl von Merkmalen, auf denen das Modell basiert. Es werden Feature sowie andere Modellparameter vorgestellt, die eine Klassifikationsgenauigkeit von bis zu 63% erzielen.de
dc.identifier.doi10.18420/rvi2023-025
dc.identifier.isbn978-3-88579-735-7
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/42628
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartof6. Fachtagung Rechts- und Verwaltungsinformatik (RVI 2023)
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-341
dc.subjectInformationssicherheit
dc.subjectComputerkriminalität
dc.subjectAutorenschaftsattribution
dc.subjectMaschinelles Lernen
dc.subjectSuppport-Vector-Machine
dc.subjectstilistische Merkmale
dc.titleWer zwitschert denn da? Autorenschaftsattribution mittels stilistischer Merkmale für kurze Social-Media-Nachrichtentextede
dc.typeText/Conference Paper
gi.citation.endPage108
gi.citation.publisherPlaceBonn
gi.citation.startPage96
gi.conference.date26.-27. October 2023
gi.conference.locationDresden
gi.conference.reviewfull
gi.conference.sessiontitleRegular Research Papers
gi.tagbest student paper

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild nicht verfügbar
Name:
8.pdf
Größe:
290.47 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P341 - 6. Fachtagung Rechts- und Verwaltungsinformatik (RVI 2023)