Rund um die Thematik Kinder und Medien ist vor allem einem Punkt bislang in der öffentlichen Debatte wie auch der Forschung noch vergleichsweise wenig Beachtung geschenkt worden: Der Migrationshintergrund der Kinder in Deutschland als Einflussfaktor auf ihren Umgang mit Medien. Empirische Studien im Rahmen der Medienforschung haben immer wieder aufgezeigt, dass neben Bildung und Schicht auch der kulturelle Hintergrund ausschlaggebend für den Umgang mit Medien ist. In Deutschland existieren kaum Studien zum Medienumgang von Migranten. Vor allem die Diskussion um Kinder, besonders aus arabisch-muslimischen Familien, findet nur in bescheidenem Ausmaß statt. Diese Forschungslinie greift die vorliegende Arbeit anhand von marokkanischen Kindern in Deutschland auf. Es wurde gezeigt, wie häufig die verschiedenen Medien von marokkanischen Kindern in Deutschland benutzt wurden und inwieweit von demjenigen der gleichaltrigen Deutschen, Eltern und Kindern im Herkunftsland unterscheidet. Mit besonderer Aufmerksamkeit wurden dabei Informationen über ihre Fernsehinteresse und Motive, die sie zum Fernsehkonsum bewegen dargestellt.

Diese Arbeit befasst sich mit zwei Themenbereichen des Data Mining beziehungsweise Text Mining, den zugehörigen algorithmischen Verfahren sowie Konzepten und untersucht mögliche Anwendungsszenarien. Auf der einen Seite wird das Gebiet der semantischen Ähnlichkeit besprochen. Kurz, der Frage, wie algorithmisch bestimmt werden kann, wie viel zwei Begriffe oder Konzepte miteinander zu tun haben. Die Technologie um das Wissen, dass etwa "Regen" ein Bestandteil von "Wetter" sein kann, ermöglicht verschiedenste Anwendungen. In dieser Arbeit wird ein Überblick über gängige Literatur gegeben, das Forschungsgebiet wird grob in die zwei Schulen der wissensbasierten und statistischen Methoden aufgeteilt und in jeder wird ein Beitrag durch Untersuchung vorhandener und Vorstellung eigener Ähnlichkeitsmaße geleistet. Eine Studie mit Probanden und ein daraus entstandener Datensatz liefert schließlich Einblicke in die Präferenzen von Menschen bezüglich ihrer Ähnlichkeitswahrnehmung. Auf der anderen Seite steht das Gebiet des Sentiment Mining, in dem versucht wird, algorithmisch aus großen Sammlungen unstrukturierten Texts, etwa Nachrichten von Twitter oder anderen sozialen Netzwerken, Stimmungen und Meinungen zu identifizieren und zu klassifizieren. Nach einer Besprechung zugehöriger Literatur wird der Aufbau eines neuen Testdatensatzes motiviert und die Ergebnisse der Gewinnung dieses beschrieben. Auf dieser neuen Grundlage erfolgt eine ausführliche Auswertung einer Vielzahl von Vorgehensweisen und Klassifikationsmethoden. Schließlich wird die praktische Nutzbarkeit der Ergebnisse anhand verschiedener Anwendungsszenarien bei Produkt-Präsentationen sowie Medien- oder Volksereignissen wie der Bundestagswahl nachgewiesen.

Die vorliegende Arbeit befasst sich mit zwei zentralen Bereiche nominaler Kategorisierung, nämlich harf und Masdar im Arabischen und Marokkanischen. Entsprechend gibt der erste theoretische Teil einen Überblick über die Wortdiskussion im Deutschen und Arabischen. Die Darstellung der Kategorie Wort im Arabischen steht unter der leitenden Fragestellung nach der Bedeutung von manaa (Sinn) in der Definition von kalimat (Wort) und nach dem Unterschied zwischen harf-Morphem und harf-Wort im Arabischen. Der praktische erste Teil liefert eine konkrete detaillierte Analyse des Wortes jeweils im Arabischen, im Marokkanischen und im Deutschen. Im theoretischen zweiten Teil wird die Wortart Masdar im Arabischen und Marokkanischen, im Hinblick auf die Begrifflichkeit, auf die syntaktische Funktion und auf die Bildungsform, behandelt. Im empirischen zweiten Teil wird einerseits anhand eines Korpus, andererseits anhand eines Testes, der Gebrauch von Masdar im Marokkanischen, das vor allem eine gesprochene Sprache ist, näher untersucht.

Until now infrequent terms have been neglected in searching in order to save time and memory. With the help of a cascaded index and the introduced algorithms, such considerations are no longer necessary. A fast and efficient method was developed in order to find all terms in the largest freely available corpus of texts in the German language by exact search, part-word-search and fuzzy search. The process can be extended to include transliterated passages. In addition, documents that contain the term with a modified spelling, can also be found by a fuzzy search. Time and memory requirements are determined and fall considerably below the requests of common search engines.

General purpose Twitter sentiment analysis is a novel field that is closely related to traditional Twitter sentiment analysis but slightly differs in some key aspects. The main difference lies in the fact that the novel approach considers the unfiltered public Twitter stream while most of the previous approaches often applied various filtering steps which are not feasible for many applications. Another goal is to yield more reliable results by only classifying a tweet as positive or negative if it distinctly consists of the respective sentiment and mark the remaining messages as uncertain. Traditional approaches are often not that strict. Within the course of this thesis it could be verified that the novel approach differs significantly from the traditional approach. Moreover, the experimental results indicated that the archetypical approaches could be transferred to the new domain but the related domain data is consistently sub par when compared to high quality in-domain data. Finally, the viability of the best classification algorithm could be qualitatively verified in a real-world setting that was also developed within the course of this thesis.