Erkennung von Fake News anhand von stilbasierten Methoden des Text Minings

Bachelorarbeit aus dem Jahr 2021 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,6, Hochschule Ravensburg-Weingarten, Sprache: Deutsch, Abstract: Die Bachelorarbeit dreht sich rund um die Analyse und Erkennung von Fake News. Dabei werden aktuelle Anwendungen und Forschungen aufgezeigt sowie alle Methoden zur Fake News Erkennung strukturiert dargestellt und erlautert. Die Moglichkeiten Texte durch Text Mining zu analysieren, um Fake News zu erkennen, werden dargestellt. Daher steht im Fokus der Bachelorarbeit besonders die Methode der stilbasierten Fake News Erkennung, da durch das Text Mining einige Verfahren dieser Methodik angewendet werden konnen. Um Ergebnisse bezuglich der Erkennung von Fake News, anhand von stilbasierten Methoden des Text Minings zu erhalten, wird ein ausgewahlter und aufbereiteter Datensatz aus politischen wahren und falschen Nachrichten aus dem Jahr 2016 und 2017 separat fur Nachrichtentitel und Nachrichtentexte analysiert. Durch die sehr hohen erreichten Genauigkeiten zwischen 92 und 97 Prozent bei den durchgefuhrten Klassifikationen durch TF-IDF Vektorisierung und Anwendung des Naive Bayes Klassifikators sowie der logistischen Regression, kann bestatigt werden, dass sich das Text Mining zur Erkennung von Fake News eignet und klassische Fake News durch Text Mining erkannt werden. Allerdings beschrankt sich die Erkennung von Fake News anhand von Text Mining auf einen sorgfaltig ausgewahlten sowie aufbereiten Datensatz mit bereits enthaltenen und gekennzeichneten Fake und True News. Die erkannten Muster und Ergebnisse sind lediglich fur vergleichbare Nachrichten bezuglich der Thematik, Sprache und Zeitraum verwendbar und nicht verallgemeinerbar. Zudem wurde anhand der durchgefuhrten Text Mining Methoden wie EDA und Clustering eine Sprache der gefalschten Nachrichten identifiziert und dargestellt. Diese Sprache weist auf, dass im Datensatz die Worte hillari und clinton die am meisten vorkommenden und eindeutigsten Fake News Worter sind. Das Wort hillari stellt bei den Nachrichtentiteln mit 57,46 Prozent und die Worter video mit 57,86 Prozent und hillari mit 56,32 Prozent die Besten Fake News Erkennungsworte dar. Es wurde analysiert, das Fake News aus doppelt so vielen individuellen Wortern bestehen wie True News. Durch die Clustering Analyse werden die zugehorigen Fake News Worte mit einem Anteil von 66 Prozent fur Fake News Titel und 84 Prozent fur Fake News Texte in erstellten Word Clouds dargestellt. [...]