Automatische Klassifikation offensiver deutscher Sprache in sozialen Netzwerken

Christoph Demus; Dirk Labudde; Jonas Pitz; Nadine Probol; Mina Schütz; Melanie Siegel

doi:10.1007/978-3-662-65964-9_4

Automatische Klassifikation offensiver deutscher Sprache in sozialen Netzwerken

Christoph Demus
, Dirk Labudde
, Jonas Pitz
, Nadine Probol
, Mina Schütz
, Melanie Siegel

Data Science & Artifical Intelligence

Darmstadt University of Applied Sciences
Fraunhofer Institute for Secure Information Technology

Research output: Chapter in Book or Conference Proceedings › Book chapter › peer-review

Abstract

Der Umgang mit Hatespeech ist bereits seit mehreren Jahren ein Problem im Internet, insbesondere in sozialen Netzwerken. Da die enorme Menge an Kommentaren nicht mehr manuell moderiert werden kann, ist es essenziell, automatische Methoden zur Detektion offensiver Kommentare unterstüzend einzusetzen. Doch speziell in Bezug auf die deutsche Sprache bringt die Erforschung von Methoden zur Hatespeech-Erkennung einige Schwierigkeiten mit sich: zum einen sprachliche Besonderheiten und zum anderen die Knappheit geeigneter Datensätze. Deshalb soll mit diesem Kapitel ein Überblick über die Forschungsentwicklung gegeben werden, die wir insbesondere anhand von Shared Tasks darstellen. Au{\ss}erdem werden geeignete Datensätze, Methoden und Ergebnisse zusammenfassend dargestellt und diskutiert.

Original language	German
Title of host publication	Digitale Hate Speech
Subtitle of host publication	Interdisziplinäre Perspektiven auf Erkennung, Beschreibung und Regulation
Editors	Sylvia Jaki, Stefan Steiger
Publisher	Springer
Pages	65-88
Number of pages	24
Edition	1
ISBN (Electronic)	978-3-662-65964-9
ISBN (Print)	978-3-662-65963-2
DOIs	https://doi.org/10.1007/978-3-662-65964-9_4
Publication status	Published - 2023

Research Field

Former Research Field - Data Science

Keywords

Natural Language Processing
Hate Speech

Access to Document

10.1007/978-3-662-65964-9_4

Cite this

@inbook{0bfccaea3387466280b0557c60aa0926,

title = "Automatische Klassifikation offensiver deutscher Sprache in sozialen Netzwerken",

abstract = "Der Umgang mit Hatespeech ist bereits seit mehreren Jahren ein Problem im Internet, insbesondere in sozialen Netzwerken. Da die enorme Menge an Kommentaren nicht mehr manuell moderiert werden kann, ist es essenziell, automatische Methoden zur Detektion offensiver Kommentare unterst{\"u}tzend einzusetzen. Doch speziell in Bezug auf die deutsche Sprache bringt die Erforschung von Methoden zur Hatespeech-Erkennung einige Schwierigkeiten mit sich: zum einen sprachliche Besonderheiten und zum anderen die Knappheit geeigneter Datens{\"a}tze. Deshalb soll mit diesem Kapitel ein {\"U}berblick {\"u}ber die Forschungsentwicklung gegeben werden, die wir insbesondere anhand von Shared Tasks darstellen. Au{\ss}erdem werden geeignete Datens{\"a}tze, Methoden und Ergebnisse zusammenfassend dargestellt und diskutiert.",

keywords = "Natural Language Processing, Hate Speech",

author = "Christoph Demus and Dirk Labudde and Jonas Pitz and Nadine Probol and Mina Sch{\"u}tz and Melanie Siegel",

year = "2023",

doi = "10.1007/978-3-662-65964-9\_4",

language = "Deutsch",

isbn = "978-3-662-65963-2",

pages = "65--88",

editor = "Jaki, \{Sylvia \} and Stefan Steiger",

booktitle = "Digitale Hate Speech",

publisher = "Springer",

address = "Deutschland",

edition = "1",

}

Automatische Klassifikation offensiver deutscher Sprache in sozialen Netzwerken. / Demus, Christoph; Labudde, Dirk; Pitz, Jonas et al.
Digitale Hate Speech: Interdisziplinäre Perspektiven auf Erkennung, Beschreibung und Regulation. ed. / Sylvia Jaki; Stefan Steiger. 1. ed. Springer, 2023. p. 65-88.

Research output: Chapter in Book or Conference Proceedings › Book chapter › peer-review

TY - CHAP

T1 - Automatische Klassifikation offensiver deutscher Sprache in sozialen Netzwerken

AU - Demus, Christoph

AU - Labudde, Dirk

AU - Pitz, Jonas

AU - Probol, Nadine

AU - Schütz, Mina

AU - Siegel, Melanie

PY - 2023

Y1 - 2023

N2 - Der Umgang mit Hatespeech ist bereits seit mehreren Jahren ein Problem im Internet, insbesondere in sozialen Netzwerken. Da die enorme Menge an Kommentaren nicht mehr manuell moderiert werden kann, ist es essenziell, automatische Methoden zur Detektion offensiver Kommentare unterstützend einzusetzen. Doch speziell in Bezug auf die deutsche Sprache bringt die Erforschung von Methoden zur Hatespeech-Erkennung einige Schwierigkeiten mit sich: zum einen sprachliche Besonderheiten und zum anderen die Knappheit geeigneter Datensätze. Deshalb soll mit diesem Kapitel ein Überblick über die Forschungsentwicklung gegeben werden, die wir insbesondere anhand von Shared Tasks darstellen. Außerdem werden geeignete Datensätze, Methoden und Ergebnisse zusammenfassend dargestellt und diskutiert.

AB - Der Umgang mit Hatespeech ist bereits seit mehreren Jahren ein Problem im Internet, insbesondere in sozialen Netzwerken. Da die enorme Menge an Kommentaren nicht mehr manuell moderiert werden kann, ist es essenziell, automatische Methoden zur Detektion offensiver Kommentare unterstützend einzusetzen. Doch speziell in Bezug auf die deutsche Sprache bringt die Erforschung von Methoden zur Hatespeech-Erkennung einige Schwierigkeiten mit sich: zum einen sprachliche Besonderheiten und zum anderen die Knappheit geeigneter Datensätze. Deshalb soll mit diesem Kapitel ein Überblick über die Forschungsentwicklung gegeben werden, die wir insbesondere anhand von Shared Tasks darstellen. Außerdem werden geeignete Datensätze, Methoden und Ergebnisse zusammenfassend dargestellt und diskutiert.

KW - Natural Language Processing

KW - Hate Speech

U2 - 10.1007/978-3-662-65964-9_4

DO - 10.1007/978-3-662-65964-9_4

M3 - Buchkapitel

SN - 978-3-662-65963-2

SP - 65

EP - 88

BT - Digitale Hate Speech

A2 - Jaki, Sylvia

A2 - Steiger, Stefan

PB - Springer

ER -