Geri Dön

Sosyal medya veri kümelerinden yaygın ve hareketli sosyal şehir küme keşfi için tekniklerin geliştirilmesi

Development of techniques for frequent and moving social urban cluster discovery from social media datasets

  1. Tez No: 846764
  2. Yazar: EMRE ERDOĞMUŞ
  3. Danışmanlar: DOÇ. DR. METE ÇELİK, DOÇ. DR. AHMET ŞAKİR DOKUZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Akan Sosyal Medya Verisi, Kümeleme, Hareketli ve Sabit Küme, Veri Madenciliği, Stream Social Media Data, Clustering, Frequent and Moving Clusters, Data Mining
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 50

Özet

Akan sosyal medya verileri, kullanıcı gönderilerinin anlık olarak paylaşıldığı çeşitli sosyal medya platformlarından sürekli olarak üretilen bir veri türüdür. Belirli bir zaman diliminde, konumlarına göre birbirlerine yakın olan paylaşımlar sosyal şehir kümelerini oluşturur. Ancak, akan sosyal medya verilerinden sosyal şehir kümeleri tespit etmek, verinin hacminin artması, verinin sürekli akması ve verinin hızlı işleme ihtiyacı nedeni ile çeşitli zorlukları beraberinde getirmektedir. Literatürde, akan sosyal medya verilerinden sosyal şehir kümeleri keşfetmeye odaklanan az sayıda çalışma bulunmaktadır. Literatürdeki mevcut araştırmalar metinsel kümeleme, çevrimiçi paylaşım kümeleme ve akan sosyal medya verilerinde örüntü takibine odaklanmıştır. Bu çalışmada, Twitter'dan elde edilen sosyal medya verileri kümelenerek sosyal medya paylaşımları ile gerçekleştirilen kolektif eylemlerin analiz edilmesine ve akan sosyal medya verilerinden yaygın ve hareketli sosyal şehir kümelerinin keşfedilmesine odaklanılmıştır. Sosyal şehir kümelerinin keşfi için Yaygın ve Hareketli Sosyal Şehir Küme Madenciliği (YHŞKM) algoritması önerilmiş ve toy bir yaklaşımla karşılaştırılmıştır. Deneylerde, ABD'nin New York şehri sosyal medya kullanıcılarının Twitter gönderileri kullanılmıştır. Deneysel değerlendirmede, önerilen YHŞKM algoritmasının toy yaklaşımdan daha iyi performans gösterdiği gözlemlenmiştir.

Özet (Çeviri)

Streaming social media data is a type of data continuously generated from various social media platforms, where user posts are instantly shared. In a given time frame, posts which are close to each other based on their location form urban social clusters. However, detecting urban social clusters from streaming social media data is challenging due to the increase in data volume, continuous flow of data, and the need for fast processing. There are limited number of studies in the literature that focus on discovering urban social clusters from streaming social media data. Previous research in the literature has focused on textual clustering, online sharing clustering, and pattern tracking in streaming social media data. In this study, social media posts, which are collected from Twitter, are clustered and clusters are analyzed for collective actions to discover frequent and moving urban social clusters For the discovery of urban social clusters, the Frequent and Moving Urban social cluster Mining (FMUCM) algorithm was proposed and compared with a naïve approach. In the experimental evaluation, streaming Twitter posts users from New York City, USA are used. In the experimental results, it is observed that the proposed FMUCM algorithm outperformed the naïve approach.

Benzer Tezler

  1. Scene change detection with triplet loss network using self-supervised learning

    Üçlü kayıp ağı ile kendi kendine denetimli öğrenme metodu kullanarak sahne geçişlerinin tespiti

    BURAK NAYIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Ana Bilim Dalı

    DR. TANKUT AKGÜL

  2. Emotion recognition using deep learning focusing on the hand and facial expressions

    El ve yüz ifadelerine odaklanan derin oğrenmeyi kullanarak duygu tanıma

    HASANAIN JAWAD RADEEF

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YILMAZ AR

  3. Fight recognition from still images in the wild

    Doğal ortamda sabit görüntülerden kavga tespiti

    ŞEYMANUR AKTI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  4. Purchase prediction and item prediction with RNN using different user-item interactions

    Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi

    FULYA ÇELEBİ SARIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN

  5. Alevi müziği: Bilgi, iktidar ve etik eksenleri üzerinden inşâ edilen bir müzikâl kimlik

    Alevi music: A musical identity constructed through the axes of knowledge, power, and ethics

    İSMAİL GÜNGÖR

    Doktora

    Türkçe

    Türkçe

    2024

    Müzikİstanbul Teknik Üniversitesi

    Müzikoloji ve Müzik Teorisi Ana Bilim Dalı

    PROF. SONGÜL KARAHASANOĞLU