Geri Dön

Aktif öğrenme ile Türkçe tıklama tuzağı (clickbait) haber tespiti

Detection of Turkish clickbait news headlines through active learning approach

PDF İndir

  1. Tez No: 1012560
  2. Yazar: ALPER CELAL AKGÜN
  3. Danışmanlar: PROF. DR. TÜLİN İNKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Bursa Uludağ Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Günümüzde dijital medyanın yaygınlaşmasıyla birlikte, internet haberciliğinde kullanıcıların dikkatini çekmek amacıyla sıklıkla kullanılan tıklama tuzağı (clickbait) başlıklar, kullanıcıların istedikleri bilgiye erişimini zorlaştırmakta ve içerik güvenilirliğini sorgulatmaktadır. Bu başlıklar, çoğu zaman yanıltıcı ya da abartılı ifadeler içererek, kullanıcıları içeriklere yönlendirmeyi ve sitede kalma sürelerini artırmayı hedeflemektedir. Bu durum, içerik üreticileri adına gelir artırma noktasında fayda sağlarken, kullanıcı deneyimini olumsuz etkilemektedir. Clickbait başlıkların otomatik olarak tespitine yönelik makine öğrenmesi ve derin öğrenme modelleri kullanılarak birçok çalışma gerçekleştirilmiştir. Ancak, etiketli veri kaynağının az olduğu dillerde etiketleme maliyetleri çalışmaları sınırlandırabilmektedir. Bu tez çalışmasında, clickbait tespitinde daha az etiketli veri ile yüksek performans sağlamak amacıyla bilindiği kadarıyla ilk kez aktif öğrenme tabanlı bir model önerilmiştir. Dönüştürücülerden Çift Yönlü Kodlayıcı Temsilleri (Bi-directional Encoder Representations from Transformers, BERT) kullanılarak entropi örnekleme, en az güven örnekleme ve belirsizlik örnekleme temelli sorgu stratejileri ile farklı başlangıç yöntemleri kullanılarak Evrişimli Sinir Ağları (Convolutional Neural Network, CNN) modeli eğitilmiştir. Ardından, Shapley Eklemeli Açıklamaları (SHapley Additive exPlanations, SHAP) yöntemiyle modelin karar mekanizması açıklanmış ve hangi özniteliklerin Türkçe clickbait haber tespitinde etkili olduğu analiz edilmiştir. Önerilen modelin performansı; Kelime Çantası (Bag of Words, BoW), Word2Vec ve BERT gibi farklı metin temsillerini kullanan çeşitli makine öğrenmesi ve derin öğrenme modellerinin performansları ile karşılaştırılmıştır. Deneysel sonuçlar, önerilen yaklaşım ile verilerin sadece %8,75'i etiketlendiğinde %91,4 oranında test doğruluğuna ulaşıldığını göstermektedir. Bu doğruluk oranı, verilerin tamamı etiketlenerek eğitilen modellerin performansı ile rekabet edebilir düzeydedir. Bu tez çalışması, aktif öğrenme ile az sayıda etiketli veri kullanarak yüksek doğruluklu clickbait tespiti gerçekleştiren bir yaklaşım önererek veri etiketleme maliyetlerini azaltmaktadır. Ayrıca, açıklanabilir yapay zeka teknikleri ile modelin karar verme sürecini şeffaflaştırarak güvenilirliğini artırmaktadır.

Özet (Çeviri)

Nowadays, with the spread of digital media, clickbait headlines, which are frequently used in internet journalism to attract users' attention, make it difficult for users to access the information they want and lead them to question the reliability of the content. These headlines, often containing misleading or exaggerated expressions, aim to direct users to the contents and to increase their time spent on the site. While this situation provides benefits in terms of increasing revenue for content producers, it negatively affects the user experience. Many studies have been conducted using machine learning and deep learning models for the automatic detection of clickbait headlines. However, in languages where labeled data resources are limited, labeling costs can significantly constrain such studies. In this thesis, an active learning-based model is proposed to the best of our knowledge for the first time in clickbait detection in order to achieve high performance with less labeled data. A Convolutional Neural Network (CNN) model was trained using Bi-directional Encoder Representations from Transformers (BERT) together with entropy-based, least confidence-based and uncertainty-based query strategies, combined with different initialization methods. Afterwards, the model's decision mechanism was explained through the Shapley Additive exPlanations (SHAP) method, and the features that are effective in detecting Turkish clickbait news were analyzed. The performance of the proposed model was compared with various machine learning and deep learning models that use different text representations such as Bag-of-Words (BoW), Word2Vec, and BERT under supervised learning settings. Experimental results show that the proposed approach achieves 91.4% test accuracy when only 8.75% of the data is labeled. This accuracy rate is competitive with the performance of models trained by labeling all the data. This thesis study reduces data labeling costs by proposing an approach that performs high accuracy clickbait detection with a small amount of labeled data thanks to active learning, and it increases reliability by making the model's decision process transparent through explainable artificial intelligence.

Benzer Tezler

  1. Tez No

    687969

    Artırılmış gerçeklik kullanılarak hazırlanan at ön bacak kemik modellerinin veteriner anatomi lisans öğrencilerinin öğrenme etkinliğine olası katkılarının araştırılması

    Investigation of the possible contributions of using augmented reality prepared horse forelimb bone models to the learning activity of Veterinary anatomy undergraduate students

    SERCAN KARDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    AnatomiAydın Adnan Menderes Üniversitesi

    Veterinerlik Anatomisi Ana Bilim Dalı

    PROF. DR. HASAN ERDEN

  2. Tez No

    880771

    Aktif öğrenme modeli ile zenginleştirilmiş Türkçe dersi etkinliklerinin ilkokul 4. sınıf öğrencilerinin tutum, eleştirel düşünme becerileri ve akademik başarılarına etkisi

    The effect of Turkish lesson activities enriched with active learnings model on attitude, critical thinking skills and academic achievement of 4th grade students

    ÇİSEM AYDIN

    Doktora

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimBursa Uludağ Üniversitesi

    Temel Eğitim Ana Bilim Dalı

    PROF. DR. HANDAN ASUDE BAŞAL

  3. Tez No

    676203

    Transfer öğrenme tabanlı aktif öğrenme metodu ile duygu analizi

    Sentiment analysis with transfer learning-based active learning method

    SEHER LORT TOSUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ FINDIK

  4. Tez No

    899227

    Proje geliştirme sürecine aktif katılım gösteren öğretmenlerin teknolojik pedagojik alan bilgileri ile öğretme ve öğrenme anlayışlarının farklı değişkenler açısından incelenmesi

    Investigation of the technological pedagogical content knowledge and teaching and learning conceptions of teachers who actively participate in the project development process in terms of different variables

    SÜMEYYA GÜRSES BADAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimMersin Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. İLKER YAKIN

  5. Tez No

    145631

    İlköğretim 2. sınıf matematik dersi çarpım tablosunun öğretiminde aktif öğrenme yaklaşımı ile öğretimin öğrenci başarısına etkisi

    The effect for student achievement of the using the active learning strategy for teaching of multiplication table in mathematics lesson of second class of primary education

    YASEMİN ABALI UŞUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Eğitim ve ÖğretimÇanakkale Onsekiz Mart Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. REMZİ YAVAŞ KINCAL

    DOÇ. DR. MURAT ALTUN

Geri Dön