Volltextdatei(en) in REPOSIT vorhanden Open Access
Titel: Ein NLP-basierter Ansatz zur Analyse des Informationsflusses in russischen Medien
Sprache: Deutsch
Autorenschaft: Silver, Valeria 
Schlagwörter: Linguistische Datenverarbeitung (NLP); Eigennamenerkennung (NER); Kreml; Ukraine; russische Medien; Natural Language Processing (NLP); Named Entity Recognition (NER); Kremlin; Ukraine; russian media
Erscheinungsdatum: 18-Jul-2025
Zusammenfassung: 
Seit dem Kriegsbeginn in der Ukraine im Jahr 2022 wurden unabhängige Medien und Journalisten in Russland unter erhöhtem Druck gesetzt. Viele von denen wurden als Propaganda bezeichnet, sollten das Land verlassen oder ihre Tätigkeit komplett einstellen. Andererseits sollten pro-kremlische Medien sich an die neuen Gesetze anpassen. Das hat zu einer Reduzierung der oppositionellen Nachrichtenverlage und dadurch zu einer Verringerung der Meinungsvielfältigkeit geführt. In dieser Bachelorarbeit wird das Verhaltensmuster von pro-kremlischen und oppositionellen Medien im Jahr 2022 analysiert. Unter dem Einsatz von Techniken der natürlichen Sprachverarbeitung (NLP) wird eine umfassende Datenanalyse vorgenommen.

Since the outbreak of the war in Ukraine in 2022, independent media and journalists in Russia have been put under increased pressure. Many of them were labeled as propagandists, had to leave the country, or cease their activities entirely. In contrast, pro-Kremlin media adapted to new regulations, leading to a decline in the number of opposition news outlets and, consequently, a reduction in the diversity of opinions. This bachelor thesis analyzes the behavioral patterns of both pro-Kremlin and opposition media during 2022. Leveraging natural language processing (NLP) techniques, a comprehensive data analysis is conducted.
URI: https://hdl.handle.net/20.500.12738/17880
Einrichtung: Fakultät Technik und Informatik 
Department Informatik 
Dokumenttyp: Abschlussarbeit
Abschlussarbeitentyp: Bachelorarbeit
Hauptgutachter*in: Tropmann-Frick, Marina  
Gutachter*in der Arbeit: Sarstedt, Stefan 
Enthalten in den Sammlungen:Theses

Dateien zu dieser Ressource:
Zur Langanzeige

Google ScholarTM

Prüfe

HAW Katalog

Prüfe

Feedback zu diesem Datensatz


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.