Behavior analysis based protest event detection
Davranış analizi tabanlı peotesto olayları tespiti
- Tez No: 840118
- Danışmanlar: PROF. DR. İLYAS ÇİÇEKLİ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Protesto Belirleme, Olay Belirleme, Sosyal Davranış, Sosyal Medya, Bayes Lojistik Regresyon, Makine Öğrenimi, Protest Detection, Event Detection, Social Behavior, Social Media, Bayesian Logistic Regression, Machine Learning
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 116
Özet
Amaç: Protesto olayları, hem gelişmiş hem de fakir tüm ülkelerde meydana gelen bir olgudur. Tek fark, bu toplumsal huzursuzluğun nedenlerindedir. Az gelişmiş ülkelerde protestoların nedenleri ekonomiktir. Protestoların ortaya çıkışı ve bunda sosyal medyanın rolü, araştırmacılar arasında her zaman tartışmalı bir konu olmuştur. Protesto Olayı Analizi, hükümet yetkilileri ve sosyal bilimciler için önemlidir. Bu çalışmada, Twitter'da üretilen içeriği izleyerek protesto olaylarının gerçekleşeceğini tahmin etmek ve protesto ve şiddet göstergelerini belirlemek için yeni bir yöntem sunulmuştur. Yöntemler: Bu göstergeler belirlenerek, protestolar ve şiddet olasılığı daha doğru bir şekilde tahmin ve kontrol edilebilir. Fikir Paylaşımı ve Tarih ve Zaman davranışları gibi Twitter kullanıcı davranışları gösterge olarak kullanılmıştır ve bu çalışma, Twitter kullanıcı davranışlarını kullanarak protestoları ve şiddeti tahmin etmek için Bayes lojistik regresyon algoritmasına dayalı yeni bir yöntem sunmaktadır. Önerilen yönteme göre, kullanıcıların tarih ve zaman bilgilerini içeren tweet'lerin oranını içeren Tarih ve Zaman davranışları, protestoları belirlemede güvenilir bir göstergedir. Kullanıcıların nefret-öfke tweet oranlarını içeren Fikir Paylaşımı davranışları da protestolardaki şiddeti tespit etmek için başarılıdır. Bulgular: Bir araştırma veri tabanı, George Floyd'un ölümünden sonra BLM (Black Lives Matter) hareketi üzerine oluşturulan tweet'lerden oluşuyor. Acleddata.com'da yayınlanan bilgilere göre, çeşitli şehirlerde belirli tarihlerde protestolar ve şiddet olayları yaşandığı bildirilmiştir. Veri seti, 37 ABD eyaletindeki 460 şehirden 1414 protesto olayı ve 3078 olaysız günü içeriyor. Protesto olayları, BLM hareketinde 28 Mayıs ile 30 Haziran arasında 285'i şiddetli ve 1129'u barışçıl olmak üzere 1414 protestoyu içermektedir. Önerdiğimiz yöntemi bu veri seti üzerinde test edilmiştir ve protestoların oluşumu %85 doğrulukla tahmin edilmiştir. Yine bu veri setindeki yöntemimizle, protestolardaki şiddeti %85 doğrulukla tahmin etmek mümkündür. Sonuç: Araştırma bulgularına göre, Twitter kullanıcıların davranışları, olayları ve şiddeti tahmin etmek için güvenilir bir kaynaktır. Bu çalışma, büyük ölçekli protestolara odaklanan mevcut literatürden farklı olarak, küçük ve büyük ölçekli protestoları tahmin etmek için başarılı bir yöntem sunmaktadır.
Özet (Çeviri)
Purpose: Social unrest is a phenomenon that occurs in all countries, both developed and poor. The only difference is in the cause of a social unrest and it is mostly economic in underdeveloped countries. The occurrence of protest and the role of social networks in it have always been debatable topics among researchers. Protest Event Analysis is important for government officials and social scientists. Here we present a new method for predicting protest events and identifying indicators of protests and violence by monitoring the content generated on Twitter. Methods: By identifying these indicators, protests and the possibility of violence can be predicted and controlled more accurately. Twitter user behaviors such as opinion share and event log share are used as indicators and this study presents a new method based on Bayesian logistic regression algorithm for predicting protests and violence using Twitter user behaviors. According to the proposed method, users' event log share behaviors which include the rate of tweets containing date and time information is the reliable indicator for identifying protests. Users' opinion share behaviors which include hate-anger tweet rates is also best for identifying violence in protests. Results: A research database consists of tweets generated on the BLM (Black Lives Matter) movement after the death of George Floyd. According to information published on acleddata.com, protests and violence have been reported in various cities on specific dates. The dataset contains 1414 protest events and 3078 non-protest events from 460 cities in 37 U.S. states. Protest events include 1414 protests in the BLM movement between May 28 and June 30 among which 285 were violent and 1129 were peaceful. We tested our proposed method on this dataset and the occurrence of protests is predicted with 85% precision. It is also possible to predict violence in protests with 85% precision with our method on this dataset. Conclusion: According to the research findings, the behavior of users on the Twitter social network is a reliable source for predicting incidents and violence. This study provides a successful method to predict small and large-scale protests, different from the existing literature focusing on large-scale protests.
Benzer Tezler
- Darbe hasarına maruz kalan sandviç kompozitlerin statik mukavemetinin incelenmesi
Investigation of static strength of sandwich composites subjected to impact damage
ABDULLAH İKİZ
Yüksek Lisans
Türkçe
2023
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. ZAHİT MECİTOĞLU
- Virmon: Sanallaştırma tabanlı otomatik bir dinamik zararlı yazılım analiz sistemi
Virmon: A virtualization-based automated dynamic malware analysis system
HÜSEYİN TİRLİ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. TAKUHİ NADİA ERDOĞAN
- The ransomware detection and prevention tool design by using signature and anomaly based detection methods
İmza ve anomali tabanlı tespit yöntemlerini kullanarak fidye yazılımı tespit ve önleme aracı tasarımı
BARIŞ ÇELİKTAŞ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
DR. ÖĞR. ÜYESİ NAFİZ ÜNLÜ
- İnşaat projelerinin satınalma yönetiminde iç kontrol aracı olarak süreç madenciliği
Process mining as an internal control tool in procrument management of construction projects
BURHAN SARAL
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMİL CEYLAN
- A robust framework covering measures developed using EVM metric against jamming attacks in next-generation communication systems
Yeni nesil haberleşme sistemlerinde karıştırma saldırılarına karşı EVM metriği kullanılarak geliştirilen önlemleri kapsayan güçlü bir çerçeve
CEM ÖRNEK
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KARTAL