Yapısal olmayan verilerin büyük veri analiz yöntemleri ile işlenmesi ve yapısal olan verilerle ilişkilendirilmesine yönelik bir platform: Sosyal medya temelli tavsiye motoru geliştirme
A platform for processing non-structural data by big data analysis methods and assoaciate it with structural data: Developing a recommendation engine based on social media
- Tez No: 442737
- Danışmanlar: DOÇ. DR. ECİR UĞUR KÜÇÜKSİLLE
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 139
Özet
Bu çalışmada büyük veri karakteristiği taşıyan ve yapısal olmayan Twitter mesajları, büyük veri analizindeki temel tekniklerden olan MapReduce ve doğal dil işleme yöntemleri kullanılarak analiz edilmiştir. Elde edilen veriler mevcut yapısal kaynak veri setleri ile ilişkilendirilerek Twitter kullanıcılarının anlık yönelimleri tespit edilmiştir. Bu doğrultuda ilgili kullanıcıya takip edilebilecek diğer kullanıcıları tavsiye eden bir mekanizma geliştirilmiştir. Bir Twitter kullanıcısının paylaşımları yazılımsal olarak elde edilmiş daha sonra bu paylaşımlar metin tabanlı analizler, doğal dil işleme, büyük veri işleme ve olasılıksal hesaplama süreçlerinden geçirilmiştir. Tweetler içerisindeki kullanıcının yaygın kullandığı kelimeler tespit edilerek bu kelimelerin veri tabanında yer alan kategori eşlenikleri bulunmuştur. Bu şekilde kullanıcıya ilişkin bir ilgi alanı tespiti ortaya konmuştur. Tespit edilen ilgi alanları ve yaygın kullanılan kelimeler baz alınarak takip edilebilecek diğer Twitter kullanıcılarını tavsiye olarak sunan bir mekanizma geliştirilmiştir. Bu tavsiye yöntemi hâlihazırda kullanılan yöntemlerden farklı olarak kullanıcıların gerçek zamanlı elde edilen ilgi alanları üzerine kurulu ve değişen yönelimlerine adapte olabilecek türdedir. Çalışma bir web uygulaması olarak kullanıma sunulmuş ve çok sayıda kullanıcının test etmesi sağlanmıştır. Uygulama içerisinde profil analizi, kullanıcı karşılaştırma ve belirli bir konuyla ilgili kullanıcı arama seçenekleri bulunmaktadır. Uygulama ile iki binin üzerinde analiz işlemi gerçekleştirilmiş ve kullanıcılardan geri bildirimler alınmıştır. Test grubundaki yüz adet kullanıcı ile belirli aralıklarla birden çok analiz gerçekleştirilmiş ve düzenli aralıklı üç ayrı dönem sonucu alınan geri bildirimler doğrultusunda sistemin %86 başarılı olduğu sonucuna varılmıştır.
Özet (Çeviri)
In this study, Twitter messages which have big data characteristic and unstructured form have been analyzed by using the MapReduce method which is one of the big data analysis techniques and natural language processing. Instant orientation of Twitter users' have been identified by associating obtained result sets with existing source data sets. In this direction a recommendation mechanism has been developed which advises to follow other associated Twitter users. Shares of a Twitter user had been acquired and than these shares have passed through text-based analysis, natural language processing, big data processing and probabilistic evalualion. The commonly used words in tweets have been identified and conjugate categories for that words in the database was found. In this way the area of interest for the user was detected. A mechanism have been developed to advise other Twitter users that can be followed on the basis of commonly used words. Unlike the currently used methods, this recommendation method is based on the interests acquired in real-time and it can adapt to changing trends. The system was made available as a web application and was provided to test a large number of users. There are profile analysis, user comparison and user search for a particular topic options exist in this application. Over two thousand of analysis have been performed and user's feedbacks have been taken. Periodic analysis were carried out with one hundred users in the test group of application and the conclusion that the system was successful 86% was reached according to feedbacks haved been received regulary spaced three separate periods.
Benzer Tezler
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Büyük veri analizi yöntemleri ve yazılım teknolojileriyle metin madenciliği
Text mining using big data analysis methods and tools
EVREN PALA
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRAY YILMAZ
- Türkçe metinlerde duygu analizi
Sentiment analysis in Turkish texts
CUMALİ TÜRKMENOĞLU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Veri füzyonu ve derin öğrenme yöntemi kullanılarak yapısal sağlık izleme sistemi geliştirilmesi
Development of structural health monitoring system using data fusion and deep learning method
SONGÜL DEMİRTAŞ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖVÜNÇ POLAT