Geri Dön

Determining user types from Twitter account content and structure

Twitter hesap içeriğinden ve yapısından kullanıcı türlerinin belirlenmesi

  1. Tez No: 661685
  2. Yazar: MESUT GÜRLEK
  3. Danışmanlar: PROF. DR. İSMAİL HAKKI TOROSLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

İnsanlar sosyal medya platformlarını her geçen gün daha fazla kullanıyor ve böylece bu platformlar zengin içerikleriyle akadamik çalışmalar için daha uygun bir ortam haline geliyorlar. Twitter, en büyük ve en çok kullanılan sosyal medya platformlarından biridir ve birçok çalışma, sosyal medya araştırması için Twitter'a odaklanmaktadır. Bu tezde, Twitter kullanıcı hesaplarının türlerini, hesap meta verilerine, hesap içeriğine ve hesabın yapısal durumuna göre belirlemek için yöntemler öneriyoruz. İlk sorunumuz, yalnızca meta verileri kullanarak organizasyon ve bireysel hesap türlerini sınıflandırmaktır. Veri toplama ve analiz süreci ile ilgili detaylar verdikten sonra metinleri temizliyor ve sayı özelliklerini normalleştiriyoruz. Önerilen model, metinsel özellikler için LSTM ve sayısal özellikler için MLP içerir. Dilden bağımsız kelime vektörleri oluşturmak, önerilen modeli, farklı dillerdeki hesaplar ve çok dilli hesaplar için kullanışlı hale getirir. Deneyler, modelimizin tahminlemesi için daha az veri gerektirdiğini ve hesap türü sınıflandırmasıyla ilgili önceki çalışmalardan daha iyi sonuçlar verdiğini göstermektedir. İkinci sorun, bireysel hesapların kişilik tipi tahminidir. Temel referans verileri, Beş Büyük Kişilik testlerinden ve bir grup insanın Twitter hesap bilgilerinden gelmektedir. Bu sefer model, ayrıca hesabın tweetlerini ve graf özelliklerini de içerir. Kişilikler, Beş Büyük Test puanlarına göre sınıflandırılır ve her OCEAN özelliği için farklı modeller eğitilir. Küçük bir kullanıcı grubuyla çalışmamıza rağmen deney sonuçları umut vericidir.

Özet (Çeviri)

People are using social media platforms more and more every day; hence, they are becoming suitable for research studies by their rich content. Twitter is one of the biggest and most widely used social media platforms, and many studies focus on Twitter for social media research. In this thesis, we propose methodologies for determining user types of Twitter accounts by their metadata, content, and structure. Our first problem is classifying organization vs. individual account types using only metadata. After we give details about the data collection and analysis process, we clean text features and normalize number features. Proposed model contains LSTM for textual features and MLP for numeric features. Language independent word embeddings make the proposed model useful for accounts in different languages and multi-language accounts. Experiments show that our model requires less data and performs better results than previous studies about account type classification. The second problem is to personality type prediction of individual accounts. Ground truth data comes from Big Five Personality tests and Twitter accounts of a group of people. This time model also contains tweets and graph features of the account. Personalities are classified in terms of their Big Five Test scores, and for each OCEAN feature, we train different models. Experiment results are promising even though we study with a small set of users.

Benzer Tezler

  1. Yeni nesil derin bağlamsallaştırılmış kelime gösterimleri ve derin öğrenme modelleriyle finansal haberler kullanarak borsa tahminlemesi

    Stock generation estimation using financial news with new generation deep contextualized word display and deep learning models

    DERYA OTHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP HİLAL KİLİMCİ

  2. Sosyal medya ortamlarında veri mahremiyeti duyarlı farkındalık modelleri geliştirme

    Developing data privacy sensitive awareness models in social media enviroments

    SALİH ERDEM EROL

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Adli Bilişim Ana Bilim Dalı

    PROF. DR. ŞEREF SAĞIROĞLU

    DR. MUSTAFA UMUT DEMİREZEN

  3. İç mekânda renk kullanım yoğunluğunun kullanıcıların algısal performansları üzerindeki etkileri

    The effect of color usage density on indoor perceptual perceptions of user

    KÜBRA AKSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İç Mimari ve DekorasyonSelçuk Üniversitesi

    İç Mimarlık ve Çevre Tasarımı Ana Bilim Dalı

    PROF. DR. MEHMET LÜTFİ HİDAYETOĞLU

  4. Konut mekanlarında yoğunluk-kalabalık ilişkisinin belirlenmesinde kullanılabilecek bir yöntem

    A Method for determining the relationship between crowding and density in residential spaces

    ORHAN HACIHASANOĞLU

    Doktora

    Türkçe

    Türkçe

    1986

    Mimarlıkİstanbul Teknik Üniversitesi

    DOÇ. DR. S. METE ÜNÜGÜR

  5. İhracatçı işletmelerin lojistik hizmet sağlayıcısına ilişkin güven eğilimi, hizmet kalitesi ve tekrar kullanma eğilimi arasındaki ilişkilerde lojistik bilgi teknolojilerinin moderatör rolü

    The moderating role of logistics information technology in the relationships between exporter enterprises' trust tendency, service quality and repurchase intentions towards logistics service providers

    AYŞE ATABEY

    Doktora

    Türkçe

    Türkçe

    2024

    UlaşımAnkara Hacı Bayram Veli Üniversitesi

    Uluslararası Ticaret Ana Bilim Dalı

    PROF. DR. HÜSNİYE ÖRS