3. Fake News (WIN-Programm)

Stellung in den Medien am besten kommuniziert werden kann, um sie dem End-
nutzer verständlich zu machen.
Das erste Teilprojekt wird vom Team von Prof Bela Gipp durchgeführt und
dort verantwortlich von Felix Hamborg geleitet. Im vergangenen Jahr 2019 wur-
den bereits drei Zwischenziele erreicht. So wurde die in Abbildung 1 dargestellte
Softwarearchitektur entworfen und implementiert. Außerdem wurde ein System
zur Erkennung von Koreferenzen in diese Architektur integriert (s. „Target Con-
cept Analysis“ in Abbildung 1). Dadurch können unterschiedliche Wörter, die das
gleiche semantische Ziel haben, einander zugeordnet werden. Dies ist in unserem
Projekt von besonderer Wichtigkeit, da im Fall von Media Bias nicht nur unter-
schiedliche, sondern sogar eigentlich gegensätzliche Wörter verwendet werden,
um die gleiche Person, Gruppe oder sonstige Entität zu beschreiben („Freiheits-
kämpfer“ vs. „Terrorist“). Außerdem wurde 2019 mit der Entwicklung einer Me-
thode zur Sentimentanalyse begonnen.

Preprocesslng
LO
Sentence Splitting |
Tokenization
POS tagging
"2
Parsing
_ra
(D
Dependency parsing |
NE recognition
Coref.-resolution |

Broad Cross-doc. CR

Candidate Extraction
Corefs || NPs
Candidate Merging
Repräsentative phrases' heads
Sets of phrases' heads
Representative labeling phrases
_Compounds_
Representative wordsets
Representative frequent phrases

Frame Identification
Frame Prop. Estimation

Dicts. (UWC, Empath, ...)

Semantic Networks

Deep Lea ming Classifier

Frame Clustering


Abbildung 1: Hauptkomponenten der Analysearchitektur

Im Jahr 2020 wurde an zwei Schwerpunkten geforscht. Der erste ist die
Weiterentwicklung der Sentimentanalyse (s. „Frame Property Estimation“ in
Abbildung 1). Es wurde eine Methode erforscht, die automatisiert klassifizieren
kann, ob eine Person positiv, neutral oder negativ dargestellt wird. Obgleich es
zur Sentimentanalyse eine Vielzahl an Vorarbeiten gibt, können deren Methoden
nur schwierig oder teilweise in unserem Kontext verwendet werden. Dies liegt an
fundamental unterschiedlichen Formen, wie Sentiment „kodiert“ wird. Bisherige
Forschung zur Sentimentanalyse konzentrierte sich auf Domänen wie Produk-
treviews, Filmrezensionen oder Social Media, in denen Autorinnen und Autoren
Sentiment oftmals klar und explizit kodieren. In Nachrichtenartikeln hingegen
wird Sentiment auf subtilere Weise ausgedrückt, unter anderem aufgrund der oft-
mals erwarteten journalistischen Objektivität.
Der zweite Projektteil wird vom Team von Prof. Karsten Donnay durchge-
führt und dort verantwortlich von Felix Hamborg geleitet. Im Kern soll, wie zu-
vor erwähnt, herausgefunden werden, wie tendenzielle Berichterstattung effektiv

305