Geri Dön

Sosyal medyadaki nefret söylemi içeren yayınların tespitinde yapay zeka temelli makine öğrenmesi algoritmalarının performans değerlendirmesi

Performance evaluation of artificial intelligence based machine learning algorithms in detecting publications containing hate speech on social media

PDF İndir

  1. Tez No: 844774
  2. Yazar: KADİR TURGUT
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYTAÇ UĞUR YERDEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Gedik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 73

Özet

Sosyal medya üzerindeki nefret söylemi tespiti, insanlar ve topluluklar üzerinde olumsuz etkileri önlemek ve bu tür içerikleri kaldırmak için büyük öneme sahiptir. Ancak nefret söylemi tespiti, dilbilimsel ve kültürel çeşitlilik nedeniyle karmaşık ve zorlu bir süreçtir. Bu nedenle, güçlü ve etkili makine öğrenmesi algoritmaları geliştirmek önemlidir. Geleneksel yöntemlerle bu tür içeriklerin tespiti zaman alıcı ve maliyetli olabileceğinden, yapay zeka temelli makine öğrenmesi algoritmalarının bu konuda büyük bir potansiyel taşıdığı belirtilmektedir. Bu çalışmanın amacı, sosyal medyadaki nefret söylemi içeren yayınların tespitinde kullanılan yapay zeka temelli makine öğrenmesi algoritmalarının performansını değerlendirmektir. Çalışma, sosyal medya platformlarında nefret söylemini tespit etme ve yönetme sorununa odaklanmaktadır. Bu çalışmada, farklı algoritmaların performanslarını karşılaştıracak ve en uygun yöntemleri belirleyecektir. Ayrıca, veri kümesi ve özellik çıkarımı yöntemlerinin algoritma performansı üzerindeki etkileri analiz edilecektir. Algoritmalar genellikle doğal dil işleme tekniklerine dayanır ve metinlerdeki özellikleri öğrenerek nefret söylemini tespit etmeye çalışır. Bu algoritmaların performansı, dil, kültür, kullandıkları öznitelikler ve eğitim veri kümesi gibi faktörlere bağlı olarak değişebilir, bu nedenle kapsamlı bir analiz gereklidir. Araştırmada, nefret söylemi tespitinde kullanılan algoritmaların performansı, veri kümesi ve özellik çıkarımı yöntemleriyle karşılaştırılmıştır. Bu süreçte algoritmaların dil ve kültürlerarası etkinliği, özellik seçimi ve temsilini, yanlış pozitif ve yanlış negatif oranlarını ve genel doğruluklarını analiz edilecektir. Bu çalışma, algoritmaların yanlış pozitif ve yanlış negatif oranlarını düşürmek için sürekli iyileştirme ve optimizasyon çalışmalarının önemini vurgulamaktadır. Çalışmada, algoritmaların dil ve kültürlerarası etkinliği, özellik seçimi ve temsilini, yanlış pozitif ve yanlış negatif oranlarını ve genel doğruluklarını analiz edilecek ve bu analiz, nefret söylemi tespiti için en uygun ve etkili yöntemleri belirlemeye yardımcı olacaktır. Sonuç olarak bu çalışma nefret söyleminin yayılmasını önlemek ve sosyal medya ortamlarını daha güvenli hale getirmek için önemli bir adım olarak görülebilir.

Özet (Çeviri)

The detection of hate speech on social media holds significant importance in preventing adverse effects on individuals and communities, as well as in removing such content. However, hate speech detection is a complex and challenging process due to linguistic and cultural diversity. Therefore, it is crucial to develop robust and effective machine learning algorithms. Given that the detection of such content through traditional methods can be time-consuming and costly, there is an indication that artificial intelligence-based machine learning algorithms carry substantial potential in this regard. The objective of this study is to evaluate the performance of artificial intelligence-based machine learning algorithms employed in the detection of publications containing hate speech on social media. The research focuses on addressing the issue of detecting and managing hate speech on social media platforms. In this study, different algorithms will be compared in terms of their performances, aiming to identify the most suitable methods. Additionally, the impact of dataset and feature extraction methods on algorithm performance will be analyzed. These algorithms typically rely on natural language processing techniques, learning features in texts to identify hate speech. The performance of these algorithms may vary based on factors such as language, culture, features employed, and training dataset; hence, a comprehensive analysis is necessary. In the research, the performance of algorithms used for hate speech detection is compared with dataset and feature extraction methods. The cross-cultural and cross-linguistic effectiveness of algorithms, feature selection and representation, false positive and false negative rates, and overall accuracy will be analyzed. This study underscores the importance of continuous improvement and optimization efforts to reduce false positive and false negative rates of algorithms. The analysis of cross-cultural and cross-linguistic effectiveness, feature selection and representation, false positive and false negative rates, and overall accuracy will help determine the most suitable and effective methods for hate speech detection. In conclusion, this study can be perceived as a crucial step in preventing the spread of hate speech and enhancing the safety of social media environments.

Benzer Tezler

  1. Tez No

    782439

    COVID-19 pandemisi sürecinde yaş ayrımcılığının sosyal medyadaki tezahürü: Youtube analizi

    Manifestation of ageism in social media during COVID-19 pandemic: Youtube analysis

    EZGİ AKTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    SosyolojiBursa Teknik Üniversitesi

    Sosyoloji Ana Bilim Dalı

    PROF. DR. AHMET ZEKİ ÜNAL

  2. Tez No

    516285

    Sosyal medyada futbol üzerinden gerçekleşen nefret söyleminin örneklerle incelenmesi

    The analysis on the social media by the examples of the hate speech from the football

    ÇAĞTAY OZAN ERDEM

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Sporİstanbul Ticaret Üniversitesi

    Medya Ve İletişim Çalışmaları Ana Bilim Dalı

    DOÇ. DR. OYA ŞAKI AYDIN

  3. Tez No

    782335

    Pandemi döneminde sinofobi: Twitter örneği

    Sinophobia in the pandemic period: Twitter as a sample

    GÜVEN KİMENÇE

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İletişim Bilimleriİstanbul Medipol Üniversitesi

    Medya ve İletişim Sistemleri Bilim Dalı

    PROF. DR. MÜGE DEMİR AYRAL

  4. Tez No

    756485

    Yeni medyada nefret söylemi: Hayko Cepkin örneği

    Hate speech in new media: The case of Hayko Cepkin

    ZEYNEP EKE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    GazetecilikAnkara Üniversitesi

    Gazetecilik Ana Bilim Dalı

    PROF. DR. BEDRİYE POYRAZ

  5. Tez No

    675248

    Hate speech and discriminatory language on social media: An analysis of Twitter posts targeting Syrian refugees

    Sosyal medyada nefret söylemi ve ayrımcı dil: Suriyeli mültecileri hedef alan Twitter iletilerinin analizi

    SERDAR AYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Radyo-TelevizyonYeditepe Üniversitesi

    Radyo Televizyon ve Sinema Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGE ERBEK KARA

Geri Dön