Geri Dön

Sosyal ağ analizi ve makine öğrenmesi temelli siber zorbalık tespiti

Cyberbullying detection based on social network analysis and machine learning

  1. Tez No: 846862
  2. Yazar: MÜMİN FERHAT YAKUT
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YILMAZ ATAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Teknolojinin hızlı gelişimi, internet kullanımını hayatımızın ayrılmaz bir parçası haline getirmiştir.“We Are Social Digital 2023”raporuna göre, dünya çapında internet kullanım oranı %64 iken, Türkiye'de bu oran %84'e ulaşmaktadır. İnternetin en popüler kullanım alanlarından biri olan sosyal medya, 2023 itibarıyla yaklaşık 4,7 milyar kullanıcıya sahip olup, bu sayı dünya nüfusunun yaklaşık %57'sine denk gelmektedir. Türkiye'de ise sosyal medya kullanımı toplam nüfusun %60'ını kapsamaktadır. Bu veriler, internet ve sosyal medya kullanımının yaygınlığını açıkça göstermektedir. Ancak internet kullanımının artışı, olumlu yönlerinin yanı sıra bazı olumsuz etkileri de beraberinde getirmektedir. Bu çalışmada, bu olumsuz etkilerden biri olan siber zorbalık konusu ele alınmıştır. Siber zorbalık, bilgi teknolojileri araçlarının kullanılmasıyla gerçekleştirilen bir tür geleneksel zorbalık olarak tanımlanabilir. Bu tür zorbalık, bireylerin psikolojik ve duygusal sağlığını olumsuz etkileyebilir ve toplumda ciddi sonuçlara yol açabilir. Siber zorbalığın artışında, sosyal medya uygulamalarında kullanıcıların anonimliği ve geniş kitlelere kolayca ulaşabilmesi önemli bir rol oynamaktadır. Kullanıcıların bu platformlarda kolay etkileşim kurabilmesi, bireysel zorbalığın yanı sıra topluluklar arası zorbalığın da artmasına neden olmakta ve bu durum daha büyük olumsuzluklara yol açmaktadır. Siber zorbalığın etkilerini azaltmak ve bu davranışları tespit etmek amacıyla geliştirilen yöntemler, teknolojinin olumsuz etkilerini sınırlamada kritik bir rol oynamaktadır. Bu tez, siber zorbalığın tanımı, yaygınlığı ve etkileri üzerine odaklanarak, bu sorunun daha iyi anlaşılmasına ve çözüm yollarının geliştirilmesine katkı sağlamayı hedeflemektedir. Makine öğrenmesi ve derin öğrenme gibi yapay zekâ yaklaşımlarının, topluluk tespiti algoritmalarıyla birleştirilmesinin siber zorbalık tespitinde nasıl iyileştirmeler sağlayabileceği incelenmiştir. Yapılan deneysel çalışmada, sekiz farklı makine öğrenmesi ve derin öğrenme algoritması, çeşitli özellik çıkarım ve seçim teknikleri ile test edilmiş, en yüksek başarı oranı %90 doğrulukla Yapay Sinir Ağları algoritması ile CountVectorizer ve Ki-Kare teknikleri kullanılarak elde edilmiştir. Louvain algoritması uygulandığında, benzer konular üzerinde paylaşımlar yapan kullanıcıların aynı topluluklarda yer aldığı gözlemlenmiştir. Bu bulgu hem topluluk tespiti hem de siber zorbalık tespiti çalışmalarının derinleştirilerek sürdürülmesi için gelecek araştırmalara umut verici bir perspektif sunmaktadır.

Özet (Çeviri)

The rapid advancement of technology has rendered internet usage an integral part of our lives. According to the“We Are Social Digital 2023”report, while the global internet usage rate stands at 64%, it reaches 84% in Turkey. Social media, one of the most popular facets of the internet, boasts approximately 4.7 billion users as of 2023, accounting for about 57% of the global population. As for Turkey, social media usage encompasses 60% of the total population. These data clearly illustrate the widespread adoption of the internet and social media. However, the increase in internet usage brings not only positive aspects but also some negative impacts. This study addresses one of these negative impacts: cyberbullying. Cyberbullying can be defined as a type of traditional bullying carried out using information technology tools. This type of bullying can adversely affect individuals' psychological and emotional well-being and lead to serious consequences in the society. The anonymity of users on social media applications and their ability to easily reach large audiences play a significant role in the increase of cyberbullying. The ease of interaction on these platforms not only increases individual bullying but also escalates bullying among communities, leading to more significant negative outcomes. Efforts to mitigate the effects of cyberbullying and detect such behaviors play a critical role in limiting the adverse impacts of technology. This thesis focuses on the definition, prevalence, and impacts of cyberbullying, aiming to contribute to a better understanding of the issue and the development of solutions. It is also studied that how the integration of artificial intelligence approaches, such as machine learning and deep learning, with community detection algorithms can improve the detection of cyberbullying. In the experimental study, eight different machine learning and deep learning algorithms were tested using various feature extraction and selection techniques, in which the highest success rate was achieved with a 90% accuracy using the Artificial Neural Networks algorithm in conjunction with CountVectorizer and Chi-Square techniques. When the Louvain algorithm was applied, it was observed that users sharing posts on similar topics tended to be in the same communities. This finding offers a promising perspective for future research to deepen and continue both community detection and cyberbullying detection studies.

Benzer Tezler

  1. Popularity prediction of image posts in social networks based on user and post attributes

    Sosyal ağlarda görüntü içerikli paylaşımların kullanıcı ve paylaşım özelliklerine dayalı popülerlik tahmini

    MEHMETCAN GAYBERİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

  2. Dağıtılan elektrik enerjisi miktarının öngörümlenmesi: Zaman serisi, makine öğrenmesi ve melez modellerin karşılaştırılması

    Forecasting distributed electricity energy amounts: A comparison of time series, machine learning and hybrid models

    DERYA AKPINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. EMRAH GÜLAY

  3. Dinamik sosyal ağlarda akan ve çok boyutlu veri üzerinden analiz ve tahmin yapılması

    Analysis and prediction in sparse and high dimensional data with using dynamic social networks

    ONUR CAN SERT

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TANSEL ÖZYER

  4. New cluster ensemble algorithm with automatic cluster number and new pruning technique for fast detection of neighbors on binary data

    Küme sayısını otomatik bulan bir kümelenme birleştirme algoritması ve ikili veride komşuların hızlı bulunması için yeni budama yöntemi

    MEHMET EMİN AKŞEHİRLİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELİM NECDET MİMAROĞLU

  5. Implications of NFV-SDN technology on the telecom sector in Turkey

    NFV-SDN teknolojisinin Türkiye'deki telekom sektörüne etkilerinin araştırılması

    AHMET ÇETİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA GÜLTEKİN

    DOÇ. DR. NİHAN YILDIRIM