Suchergebnisse

Recently, politicians and media companies identified an increasing number of offensive statements directed against foreigners and refugees in Europe. In Germany, for example, the political group "Pegida" drew international attention by frequently publishing offensive content concerning the religion of Islam. As a consequence, the German government and the social network Facebook cooperate to address this problem by creating a task force to manually detect offensive statements towards refugees and foreigners. In this work, we propose an approach to automatically detect such statements aiding personnel in this labor-intensive task. In contrast to existing work, we assess severity values to offensive statements and identify the referenced targets. This way, we are able to selectively detect hostility towards foreigners. To evaluate our approach, we develop a dataset containing offensive statements including their target. As a result, a substantial amount of offensive statements and a moderate amount of the referenced victims was detected correctly.

In Online Communities verbreiten sich digitale Inhalte schnell und weitestgehend ohne Inhaltsprüfungen, wodurch die Gefahr des Missbrauchs für hasserfüllte Kommunikation besteht. Die Zunahme dieser als Hate Speech bezeichneten Inhalte veranlasst Online Communities zum Einsatz von Personal, um derartige Fälle manuell zu erkennen. Aufgrund der Vielzahl an Nachrichten ist dies jedoch arbeits- und kostenintensiv. Das Ziel der Dissertation besteht darin, Verfahren zur automatischen Detektion von Hate Speech in Online Communities zu konzipieren und zu implementieren. Die entwickelten Verfahren basieren auf einem Sequenzmodell zur Strukturierung von Texten und einem Pattern-basierten Ansatz zur Detektion von Bezügen zwischen hasserfüllten Wörtern und referenzierten Opfern. Die Evaluationsresultate zeigen eine Verbesserung der Klassifikationsgüte gegenüber existierenden Verfahren. Zudem ermöglicht das Verfahren die Analyse von zusammenhängender Kommunikation in Rahmen von Cyberbullying.