Validierung von NER-Verfahren zur automatisierten Identifikation von Akteuren in deutschsprachigen journalistischen Texten

Cecilia Buz; Nikolai Promies; Sarah Kohler; Markus Lehmkuhl

doi:10.5771/2192-4007-2021-4-590

Contents
- Chapter Expand | CollapseAuthorsPage
- Titelei/Inhaltsverzeichnis
- 447–627 Full Paper 447–627
  - 447–501 „War das noch Amok, oder ist das schon Terror?“ Mechanismen und Hindernisse der journalistischen Berichterstattung über (terroristische) Gewaltereignisse Sina-Felicitas Wende, Markus Schäfer Sina-Felicitas Wende, Markus Schäfer 447–501
  - 502–532 Understanding digitally networked action: A case study of #HomeToVote and the Irish abortion referendum 2018 Xixuan Zhang Xixuan Zhang 502–532
  - 533–556 Well-known phenomenon, new setting: Digital stress in times of the COVID-19 pandemic Cordula Nitsch, Susanne Kinnebrock Cordula Nitsch, Susanne Kinnebrock 533–556
  - 557–589 Reduktion des unrealistischen Optimismus in einer nationalen Tabakpräventionskampagne in der Schweiz Claudia Poggiolini, Werner Wirth Claudia Poggiolini, Werner Wirth 557–589
  - 590–627 Validierung von NER-Verfahren zur automatisierten Identifikation von Akteuren in deutschsprachigen journalistischen Texten Cecilia Buz, Nikolai Promies, Sarah Kohler, Markus Lehmkuhl Cecilia Buz, Nikolai Promies, Sarah Kohler, Markus Lehmkuhl 590–627
Durchsuchen Sie das Werk
Geben Sie ein Keyword in die Suchleiste ein
CC-BY-NC-ND Access

SCM Studies in Communication and Media , page 590 - 627

Validierung von NER-Verfahren zur automatisierten Identifikation von Akteuren in deutschsprachigen journalistischen Texten

Autoren

Cecilia Buz Nikolai Promies Sarah Kohler Markus Lehmkuhl

DOI
- doi.org/10.5771/2192-4007-2021-4-590
- ISSN: 2192-4007
- ISSN online: 2192-4007
Zusammenfassung

Dieser Beitrag befasst sich mit der Validierung von Named Entity Recognition (NER), einem Verfahren, das als Teilschritt der Inhaltsanalyse von umfangreichen Textdaten eingesetzt werden kann und auf die automatisierte Identifikation und Extraktion von Eigennamen (Personen, Organisationen, Orte) in Texten spezialisiert ist. Für diesen Zweck werden oft frei verfügbare NER-Softwarepakete verwendet, die mit spezifischen Textdaten trainiert und optimiert wurden. Dadurch ist jedoch ungewiss, ob diese NER-Pakete bei der Analyse von unbekannten journalistischen Nachrichtentexten richtige und präzise Ergebnisse liefern können. Um dies zu evaluieren, wurden drei in der Programmiersprache Python implementierte NER-Codepackages gegenübergestellt und die Ergebnisse der automatisierten Analyse mit den Ergebnissen einer manuellen Inhaltsanalyse derselben journalistischen Textdaten verglichen. Ziel ist damit, die Eignung und Güte verschiedener NER-Softwarepakete für die Identifikation von Akteuren zu prüfen, denn obwohl in der Kommunikationswissenschaft vermehrt automatisierte Verfahren eingesetzt werden, mangelt es an Studien, die die Validität der erhaltenen Ergebnisse bewerten. Die Ergebnisse zeigen eine hohe Übereinstimmung zwischen den händisch erhobenen und den automatisiert identifizierten Personennamen, lediglich bei der automatisierten Identifikation von Organisationsnamen ist die Übereinstimmungsquote mit den manuellen Codierungen geringer.
Share