GÜNCEL HESAPSAL ZEKÂ ALGORİTMALARIYLA BÜYÜK SOSYAL VERİ ANALİZİ

Abstract

Sosyal ağlar toplum bilimiyle ilgilenen veya bu kavramı kendi içinde kullanma ihtiyacı hisseden çeşitli disiplinler tarafından uzun süredir kullanılan bir kavramdır. Bu kavram yeni yüzyılda uygulanma alanı bakımından nitel ve nicel değişimlere uğramıştır. Yeni bilgi teknolojileri, sosyal ağların hızlı ve etkili bir şekilde büyümesine yol açmıştır. Başlangıçta kişiler ya da gruplar arasında iletişimi amaçlayan bu platformlar günümüzde milyonlarca insanın siyasal görüşlerini, kişisel duygu durumlarını veya ekonomik tercihleri gibi birçok durumu yansıttıkları birer platforma dönüşmüştür. Ürettikleri anlık veri miktarı inanılmaz boyutlara ulaşmıştır. Üretilen bu verileri sosyal ağ verileri olarak adlandırılabilir. Bu verilerin analizi ise sosyal ağ analizinin alanına girmektedir. Hali hazırda birçok sosyal ağ analizi problemi ve bunların çözüm yöntemleri mevcuttur. Fakat günümüzde çevrimiçi sosyal ağlarla birlikte yeni problemler ortaya çıkmakta ve bu problemlerin çözümü için çeşitli yöntemler kullanılmaktadır. Bu yöntemler belirli oranda çözüm imkânı sunmakta fakat halen geliştirilmeye ihtiyaç duymaktadır. Bu tez çalışmasında çevrimiçi sosyal ağlar, sosyal ağ analizi ve literatürde ilk defa yirmi bir adet çevrimiçi sosyal ağ analizi problemi tek bir çalışma altında detaylı bir şekilde ele alınmıştır. Çevrimiçi sosyal ağ analizi problemlerinden oldukça popüler ve ilgi çekici biri olan Tutum Tespiti problemi ilk defa bu çalışmada bir optimizasyon problemi olarak ele alınmıştır. Optimizasyon çalışması sırasında biri ilk defa burada önerilen yeni bir hibrit algoritma olmak üzere üç adet sezgisel optimizasyon algoritması kullanılmış ve literatürde kullanılan otuz iki adet sınıflandırma algoritması ile tutum sınıflandırması sonuçları kıyaslanmıştır. Kullanılan yöntem optimizasyon tekniği kullanılarak sosyal ağ verilerinin doğru sınıflandırılmasını sağlamaya dayanmaktadır. Önerilen yöntem henüz çok yeni olmasına rağmen umut verici sonuçlar elde edilmiştir. Anahtar Kelimeler: Sosyal Ağlar, Sosyal Ağ Analizi, Sosyal Ağ Problemleri, Sosyal Ağ Analizi YöntemleriSocial networks have long been used by various disciplines that are interested in social science or who feel the need to use this concept in their own right. This concept has undergone qualitative and quantitative changes in the field of application in the new century. New information technologies have led to the rapid and effective growth of social networks. These platforms, originally intended for communication between individuals or groups, have now evolved into a platform where millions of people reflect their political views, personal sentiments, or economic preferences. The amount of instant data they produce has reached incredible proportions. These data can be called social network data. The analysis of this data is within the scope of social network analysis. There are currently many social network analysis problems and their solution methods. But nowadays new problems arise with online social networks and various methods are used to solve these problems. These methods provide a solution to a certain extent but still need to be developed. In this thesis, online social networks, social network analysis and twenty-one online social network analysis problems are discussed in detail in a single study for the first time in the literature. Stance Detection problem, which is one of the most popular and interesting online social network analysis problems, was first considered as an optimization problem in this study. During the optimization study, three heuristic optimization algorithms were used, one of which was proposed for the first time, a new hybrid algorithm and the results of thirty-two classification algorithms used in the literature were compared. The method used is based on ensuring accurate classification of social network data using optimization technique. Although the proposed method is very new, promising results have been achieved. Key Words: Social Network, Social Network Analysis, Social Network Problems, Social Network Analysis Methods.