BİR SOSYAL AĞDAN ALINAN VERİLERİN ANLAMSAL KUTUPLANDIRILMASI

Abstract

Bu tez çalışmasında twitter kullanıcılarının atmış olduğu tweetlerden yararlanarak internet üzerinde dolaşan kirli ve düzensiz bilginin daha elveririşli hale getirilmesi amaçlanıştır. Günümüzde sosyal ağ kullanımının artması ve kullanıcıların yoğun talep göstermesi paylaşılan içeriklerin kontrolünü gündeme getirmiştir. Kötü niyetli kişilerin algı yönetimi, provakasyon, sahtekarlık amaçlı metinlerin önüne geçilmesi mevcut verileri sınıflandırma fikrini ortaya çıkarmıştır. Sınıflandırmadan kasıt verinin toplumun etik değerleri, dil ve lehçe göz önüne alınarak anlamsal olarak olumlu, olumsuz, nötr olarak belirtilmesidir. Bu yüzden analiz amaçlı NodeXL ile Twitter üzerinden alınan datalar gereksiz kelime ve noktalama işaretlerinden arındırılmış, yanlış yazımlar, lehçe farklılıkları elimine edilmiştir. Yapılandırma aşamasından sonra tweetler daha doğru sonuçlar alınabilmesi adına herbir tweet beş farklı gönüllü tarafından olumlu, olumsuz, nötr olarak etiketlenip sayı değeri yüksek olan etiket değeri sonuç olarak kabul edilmiştir. Hazırlanan data seti knime programı yardımıyla kullanılan kelime sıklığına göre özellik vektörleri oluşturulup 70'a 30 oranında öğrenme ve tahmin grupları DVM(Destek Vektör Makineleri), Naive Bayes, Karar Ağaçları algoritmalarıyla sınıflandırılmıştır. Son aşamada ise ağ ilişkilerinin anlam üzerindeki etkisi araştırılmıştır.

In this thesis, it is aimed to make dirty and irregular information circulating on the internet more convenient by taking advantage of the tweets that twitter users have taken. Increasing use of social networking today and the intensive demand of users have brought about the control of shared content. Prevention of malicious people 's perception management, provocation, fraudulent texts reveals the idea of classifying existing data. The notion of classification is that the ethical values of the community are to be semantically positive, negative, neutral, taking into account language and dialect. Therefore, NodeXL for analysis and data received via Twitter are eliminated from unnecessary words and punctuation, misspellings, polish differences have been eliminated. After the configuration phase, the tweet was tagged as positive, negative, neutral by five different volunteers each tweet in order to get more accurate results, and the tag value with high number was accepted as the result. The prepared data set is created by feature vectors according to the word frequency used with the help of the knime program, and the learning and estimation groups of 70 to 30 are classified by SVM (Support Vevtor Machine), Decision Tree and Naive Bayes algorithms.