Year: 2025
Type: dissertation
Abstract: Das Ziel der vorliegenden Arbeit ist die Entwicklung eines Systems, das Sexismus automatisiert in verschiedenen Modalitäten erkennen und weiter kategorisieren kann. Die verwendeten Daten stammen aus Beiträgen sozialer Medien, wobei mehrere Modalitäten in einem einzelnen Daten- punkt vorliegen. Die Aufgabenstellung und Datengrundlage wurden der sEXism Identification in Social neTworks (EXIST) 2025 entnommen. Für die Klassifikation wurde ein Support Vector Machine (SVM)-basiertes System eingesetzt, ergänzt durch die Classifier-Chain (CC)-Methode, um alle Subtasks mit diesem Ansatz bearbeiten zu können. Die Arbeit untersucht, welche Leistungen ein allgemein gehaltenes System, ohne spezifische Anpassung an die Daten, für die verschiedenen Datengrundlagen erbringt. Darüber hinaus wird der Einfluss der einzelnen Modalitäten sowie deren Zusammenwirken analysiert. Abschließend zeigt sich, dass die Systemleistung nicht mit den aktuellen Spitzenleistungen der EXIST mithalten kann, jedoch zufriedenstellende Ergebnisse erzielt. Zudem wird deutlich, dass die Fusion der Modalitäten in den meisten Fällen schlechtere Ergebnisse liefert als die Verwendung einer einzelnen Modalität, unter bestimmten Bedingungen jedoch zu einer Leistungssteigerung beitragen kann.
Author: Fritzsche, Fabio
Institution: Hochschule Mittweida
Language: German
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7114499850
