@phdthesis{Pabst,
  type      = {Bachelor Thesis},
  author    = {Stefan Pabst},
  title     = {Entwicklung eines Goldstandards zur Evaluation von Algorithmen f{\"u}r die Detektion von Gef{\"a}hrdern in sozialen Netzwerken},
  url       = {https://nbn-resolving.org/urn:nbn:de:bsz:mit1-opus4-99522},
  abstract  = {Die {\"U}berwachung sozialer Online-Netzwerke spielt eine zunehmend wichtige Rolle, um die polizeilichen Aufgaben hinsichtlich Kriminalpr{\"a}vention und Gefahrenabwehr auch im virtuellen Raum effektiv und effizient wahrnehmen zu k{\"o}nnen. Gleichzeitig machen das enorme Volumen und die Komplexit{\"a}t der Daten eine manuelle Bearbeitung nahezu unm{\"o}glich. Es m{\"u}ssen automatisierte Verfahren entwickelt werden, welche sogenannte Gef{\"a}hrder in sozialen Online-Netzwerken sicher erkennen k{\"o}nnen. F{\"u}r die Entwicklung, das Training und die Evaluation von Modellen f{\"u}r das Maschinelle Lernen werden standardisierte Referenzdaten ben{\"o}tigt. Die vorliegende Arbeit besch{\"a}ftigt sich mit der Entwicklung eines solchen Goldstandards mit Trainings- und Testdaten f{\"u}r Algorithmen zur Detektion von Gef{\"a}hrdern in sozialen Online-Netzwerken. Es werden Kriterien f{\"u}r die Auswahl relevanter Profile und Attribute erarbeitet und Anforderungen f{\"u}r die Strukturierung und Ablage der Daten formuliert. Weiterhin werden konkrete Profile und Feature-Kandidaten sowie ein XML-Schema und Dateilayout f{\"u}r die Bereitstellung der Daten des Goldstandards vorgeschlagen. Abschlie{\"s}end werden die Ergebnisse kritisch gew{\"u}rdigt und ein Ausblick f{\"u}r zuk{\"u}nftige Arbeiten gegeben.},
  language  = {de}
}