EĞİTİM ALANINDAKİ NİTEL VERİLERDEN FİKİR MADENCİLİĞİ ALGORİTMALARI İLE UZMAN SİSTEM TASARIMI

Abstract

İnternet bağlantılı akıllı cihazların hayatın her alanında kullanılmasıyla birlikte, üretilen verilerin boyutu da önemli şekilde artmıştır. İnternet ortamında bulunan bu veriler, genellikle sınıflandırılmamış halde bulunmaktadır. Bu veri yığınlarına yapılandırılmamış veri denmektedir. Yapılandırılmamış veri üzerinde herhangi bir teknik kullanmadan bilgi elde etmek mümkün değildir. Bu sebeple, verilerin işlenmesi ve verilerden anlamlı bilgilerin elde edilebilmesi için veri madenciliği teknikleri geliştirilmiştir. Veri madenciliği teknikleri, veriler üzerinde anlamlı bilgi çıkartmayı amaçlamaktadır. Özellikle sosyal medya ve bilgi iletişim sistemlerinin kullanımının artmasıyla birlikte büyük verilerin işlenebilmesi ve sınıflandırılabilmesi büyük bir sorun teşkil etmektedir. Çoklu ortam teknolojileri hızlı bir şekilde gelişmesine rağmen, halen internet üzerinde en fazla bulunan veri formu metindir. Bu sebeple veri madenciliğinin bir kolu olan metin madenciliği geliştirilmiştir. Metin madenciliğinin verimli bir şekilde kullanılabilmesi için doğal dillerin yapısının ve dilbilgisi kurallarının da iyi bilinmesi gerekmektedir. Dil yapıları ve dilbilgisi sistemlerindeki farklılıklardan dolayı her doğal dil için ayrı bir metin madenciliği tekniği geliştirilmelidir. Bu tezde, veri madenciliği, metin madenciliği ve fikir madenciliği teknikleri incelenmiştir. İlk olarak bu yöntemlerle ilgili literatür taraması yapılmıştır. Tez çalışmasının uygulama aşamasında, bir uzman karar destek sistemi geliştirilmiştir. Bu sistem, kullanıcının hangi fikre sahip olduğunu otomatik tespit edebilmektedir. Geliştirilen uzman sistemi test etmek için İşbirlikli Tartışmacı Öğrenme Nesne Ambarı (İTÖNA) sisteminde bulunan kullanıcı görüşlerinden faydalanılmıştır. Geliştirilen sistemde birden fazla akıllı sınıflandırıcı kullanılmıştır. Bu sınıflandırıcıların performansları analiz edilmiştir. Kullanılan akıllı sınıflandırıcılar Naive Bayes ve k-NN (K nearest neighborhood) sınıflandırıcılarıdır.The size of produced data has significantly increased with the use of internet-connected smart devices in all areas of life. This data in the Internet environment are generally nonclassified form. This dataset is called unstructured data. It is not possible to obtain information without using any technique on the unstructured data. Therefore, data mining techniques have been developed in order to process and obtain meaningful information from these dataset. Data mining techniques are intended to make meaningful information on the data. Especially with the increased use of social media and information communication system, processing and classification of big data has a major problem. Despite the rapid development of multimedia technology, the most abundant form of data on the internet is text data. Therefore, text mining that is a branch of data mining has been developed. In order to use text mining techniques in an efficient manner, the structure and grammar of natural language should be well known. A distinct text mining techniques should be developed for each natural language due to differences in language structure and grammar system. In this thesis, data mining, text mining, opinion mining techniques has been examined. Firstly, a literature review has been done on these methods. In the implementation phase of the thesis an expert decision support system has been developed. This system can be automatically detected that the user will have the idea. In order to test developed expert system, it have been utilized the opinions of users in the Co-operative and Debater Learning Object Warehouse (CDLOW) system. In the developed system, more intelligent classifier has been used. Performance of these classifiers has been analyzed. Used intelligent classifiers are Naïve Bayes and K Nearest Neighborhood (k-NN).