Show simple item record

2018-03-12Masterarbeit DOI: 10.18452/18923
Predicting poll trends with facial emotions
dc.contributor.authorCluzel, Victor
dc.date.accessioned2018-03-12T15:04:12Z
dc.date.available2018-03-12T15:04:12Z
dc.date.issued2018-03-12
dc.identifier.urihttp://edoc.hu-berlin.de/18452/19655
dc.description.abstractBisher wurde wenig Aufmerksamkeit auf die Anwendung von Gesichtsemotionserkennung in der Politik gelegt. Ist es möglich, eine Verbindung zwischen Emotionen von Kandidaten entnommen von Bildern und Abstimmungsabsichten bei einer politischen Wahl herzuleiten? Um diese Frage zu beantworten zu versuchen, nutzen wir als Fallstudie die jüngsten Präsidentschaftswahlen in Frankreich 2017 zur Vorhersage von Umfragetrends basierend auf den Emotionen der Kandidaten entnommen von Bildern aus der Presse. Wir verwenden die Microsoft Emotion API zur Bereitstellung der emotionalen Daten als Grundlage für unsere Studie. Ein mehrschichtiges Perzeptron, eine Art künstliches neuronales Netzwerk, wird implementiert, um die Richtung der Umfragetrends vorherzusagen. Unsere Ergebnisse zeigen eine moderate Korrelation in unserer Stichprobe zwischen den Konzepten der Gesichtsemotionen politischer Kandidaten und Umfragetrends. Unser Algorithmus erreicht 64% Genauigkeit.ger
dc.description.abstractLittle attention has been paid so far on applying facial emotion recognition to politics. Is it possible to highlight a link between emotion detected on candidates pictures and voting intentions in a political election ? Trying to answer this question, we use the recent French 2017 presidential election as a case study to predict poll trends based on the emotions in pictures of the candidates in the press. The Microsoft Emotion API has been put to use in order to provide the emotional data as a basis for our study. A Multi Layer Perceptron, a type of Artificial Neural Network is implemented to predict the poll slope sign. We find that there is a moderate correlation in our sample between the concepts of facial emotions of political candidates and poll trends, our algorithm reaching 64% accuracy.eng
dc.language.isoeng
dc.publisherHumboldt-Universität zu Berlin
dc.rights(CC BY-NC-ND 3.0 DE) Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 Deutschlandger
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/de/
dc.subjectNeuronales Netzwerkger
dc.subjectMehrschichtiges Perzeptronger
dc.subjectMicrosoft Emotion APIger
dc.subjectFranzösische Präsidentschaftswahlen 2017ger
dc.subjectNeural Networkeng
dc.subjectMulti Layer Perceptroneng
dc.subjectMicrosoft Emotion APIeng
dc.subjectFrench Presidential Election 2017eng
dc.subject.ddc004 Informatik
dc.subject.otherRéseau de neurones
dc.subject.otherPerceptron multi-couches
dc.subject.otherMicrosoft Emotion API
dc.subject.otherElection présidentielle française 2017
dc.titlePredicting poll trends with facial emotions
dc.typemasterThesis
dc.subtitleA neural network applied to emotions from photos of politicians in the online press
dc.identifier.urnurn:nbn:de:kobv:11-110-18452/19655-2
dc.identifier.doihttp://dx.doi.org/10.18452/18923
dc.date.accepted2018-01-26
dc.contributor.refereeLessmann, Stefan
dc.contributor.refereeHärdle, Wolfgang Karl
dc.description.otherPeu d'attention a jusqu'ici été accordée à appliquer la reconnaissance d'émotion faciale à la politique. Est-il possible de trouver un lien entre les émotions détectées sur les photos des candidats et les intentions de vote lors d'une campagne électorale ? Afin de répondre à cette question, nous utilisons la toute récente élection présidentielle française de 2017 comme cas d'étude pour prédire les tendances des sondages à l'aide des émotions des candidats détectées sur des photos de la presse. L'API Microsoft Emotion a été utilisée afin de fournir les données émotionnelles comme base pour notre étude. Un Perceptron multi-couches, une catégorie de réseau de neurones artificiel est implémenté afin de prédire le signe de la pente des sondages. Nous déduisons qu'il existe une corrélation modérée dans notre échantillon entre les concepts d'émotion faciale des candidats politiques et de tendance des sondages, notre algorithme atteignant 64% de précision.
local.edoc.pages38
local.edoc.type-nameMasterarbeit
local.edoc.institutionWirtschaftswissenschaftliche Fakultät

Show simple item record