Geri Dön

Makine öğrenmesi yöntemleri kullanılarak atılan havayolu twitlerinin analiz edilmesi

Analysis of airline tweets by using machine learning methods

  1. Tez No: 678130
  2. Yazar: UFUK BEZEK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ PARVANEH SHAMS
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 50

Özet

Teknolojinin gelişmesiyle internet ve sosyal ağları kullanan insanların sayısında bir artış olmuştur. Bu durum önceden bir konu veya bir kurum hakkında geri bildirimin zor olması ve geri bildirim sürecinin uzun olması gibi bazı aksaklıkların giderilmesinde hız ve zaman kazanımını ortaya çıkarmıştır. Facebook, Twitter, Linkedln veya Instagram gibi sosyal ağlar insanların her türlü bilgiye, habere ve kuruma ulaşmasını kolay hale getirmiştir. Önceden, bir aksaklık veya sorunla ilgili olarak bilgi verilmesi ve bu bilginin sonucunun alınması süreçlerinin uzun ve zaman gerektiren işler olduğunu göz önünde bulundurursak teknolojiyle beraber bu sürenin kısalması kolay çözülebilecek aksaklıkların giderilmesiyle ilgili olarak zaman kısaltılamasına gitmiştir. Paylaşılan mecralarda alınan veriler doğru bir şekilde işlenildiğinde ve analiz edilecek hale getirildiğinde herhangi bir konu hakkında paylaşım yapan kişilerin duyguları ortaya çıkabilmektedir. Yapmış olduğumuz çalışma sosyal ağ Twitter üzerinde paylaşılmış yabancı havayollarıyla ilgili bildirilen görüşlerin toplanıp bu görüşlerin duygu analizinin yapılmasıyla en yüksek sonuca ulaşılmaya çalışılmıştır. Çalışma içerisinde 6 farklı havayolu şirketi için yapılan paylaşımları içeren bir veri kümesi kullanılmıştır. Veri kümesi tweets UCI'den erişime açık bir veri kümesi alınmıştır. Toplam 13 adet özniteliği bulunmaktadır. Veri kümesi içerisinde 14873 adet havayollarıyla alakalı olarak paylaşım bulunmaktadır. Daha önce yapılan çalışmalar göz önünde bulundurulduğunda daha yüksek başarı oranı için gerekli olan araştırmalar yapılmış ve bu yönde algoritmalar kullanılmaya çalışılmıştır. Çalışma 6 adet farklı sınıflandırma ve optimizasyon algoritması kullanılarak gerçekleştirilmiştir. Bu makine öğrenmesi yöntemleri; Keras, Karar ağacı, Rastgele orman, Destek vektör makineleri, Gauss Naive Bayes, ve Gradient Boosting algoritmaları kullanılmıştır. Kullanılan algoritmalar arasında en yüksek başarının; %92.6 ile keras olduğu görülmüştür. Keras'a en yakın başarının %84.3 ile Random forest olduğu görülmüştür. Bu başarı oranı aynı veri kümesi ve algoritmalar kullanılarak yapılan analizler arasında en başarılı olan çalışma olarak ortaya çıkmaktadır.

Özet (Çeviri)

With the development of technology, there has been an increase in the number of people using the internet and social networks. This has led to speed and time savings in eliminating some of the problems, such as difficult feedback on a subject or an organization and long feedback process. Social networks such as Facebook, Twitter, Linkedln or Instagram made it easy for people to access all kinds of information, news and institutions. Considering that it is a long and time-consuming work to provide information about a malfunction or problem in advance and to obtain the result of this information, this time has shortened with the technology in order to eliminate the disruptions that can be easily resolved. When the data received in the shared media are processed correctly and made to be analyzed, the feelings of the people who share about any subject may arise. Our study has been tried to reach the highest result by collecting the reported opinions about foreign airlines shared on the social network Twitter and analyzing the emotions of these opinions. In the study, a data set containing the shares made for 7 different airline companies was used. Data set An accessible data set has been obtained from the UCI. Within the dataset, there are shares related to 15000 airlines. The study was carried out using 6 different classification and optimization algorithms. This machine learning methods; Keras, Decision tree, Random forest, Support vector machines, Gauss Naive Bayes, and Gradient Boosting algorithms are used. Among the algorithms used, the highest success; It was found to be keras with 92.6%. It was observed that the nearest success to Keras was Random forest with 84.3%. This success rate is the most successful study among the analyzes made using the same dataset and algorithms

Benzer Tezler

  1. Makine öğrenmesi yöntemleri ile içerik tabanlı sms filtreleme uygulaması geliştirilmesi

    Development of content based sms filtering application with machine learning methods

    ONUR KARASOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERKAN BALLI

  2. Predicting stock movements with machine learning using textual data

    Hisse senedi hareketlerinin makine öğrenmesi ile metinsel veri kullanılarak tahmin edilmesi

    MERYEM ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilim ve TeknolojiBoğaziçi Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET ONUR DURAHİM

  3. Classification of the effects of natural disasters on structures through social media posts with machine learning methods

    Sosyal medya paylaşımları üzerinden doğal afetlerin yapılar üzerindeki etkilerinin makine öğrenmesi yöntemleri ile sınıflandırılması

    UTKU SÜSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZLEM AKTAŞ

  4. Modelling formation of fuel-in-oil due to post injections in diesel applications

    Dizel motorlarda art püskürtmeler sebebiyle yağ seyrelmesi oluşumunun modellenmesi

    MURAT GÖNÜL

    Doktora

    İngilizce

    İngilizce

    2021

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN AKIN KUTLAR

  5. Predicting the june 2019 istanbul mayoral electionwith twitter

    Twıtter verisi kullanılarak haziran 2019 İstanbul Belediye Başkanlığı seçim tahmini çalışması

    EMRE SOYLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER BADAY