Election prediction with machine learning
Makine öğrenmesi ile seçim tahmini
- Tez No: 907280
- Danışmanlar: PROF. DR. FATİH VEHBİ ÇELEBİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Twitter, textblob, sentiwordnet, makine öğrenimi, duygu analizi, tfidfvectorizer, pasif agresif sınıflandırıcı, Twitter, textblob, sentiwordnet, machine learning, sentiment analysis, tfidfvectorizer, passive agressive classifier
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Günümüzde ülkelerin çoğunda demokrasi sistemi uygulandığından dolayı, siyasi seçimler milletvekili seçimleri, cumhurbaşkanlığı seçimleri gibi seçim sistemlerine göre uygulanmakta, oy kullanma işlemleri sandık başında yapılmaktadır. Anket şirketlerinin büyük çoğunluğu seçimlerden önce, anketleri halk arasında katılımcılar seçerek uygulamakta, katılımcıların verdikleri yanıtlar doğrultusunda seçim tahminleri yapmaktadır. Oysa günümüz teknoloji çağında, Twitter, seçimler konusunda, insanların en çok görüş bildirdiği platformlardan birisidir. Twitter üzerinden halk arasından katılımcı seçmek yerine, milyonlarca kişinin görüşünü bu platformdan alarak seçim tahminleri yürütülebilir, hatta gelişen makine öğrenmesi ve yapay zeka teknolojileri ile Twitter üzerindeki verilerden duygu analizi yapılarak, bu veriler ve duygu analizi ile birlikte çeşitli sınıflandırma algoritmaları kullanılarak seçim tahmini yapılabilir ve seçim tahminleri konusunda çalışan tüm çalışanlara, şirketlere ve kurumlara büyük ölçüde katkıda bulunabilir. Kişilerin yazdığı tweetlere göre duygu analizi ve makine öğrenmesi teknolojisi kullanılarak kolaylıkla seçimleri kimin kazanacağı belirlenebilir. Ayrıca Twitter üzerindeki bir yoruma göre, sandık başına gitmeden seçim oylaması bile yapılabilir. Bu çalışma, tweetlere göre duygu analizi, metin sınıflandırma ve makine öğrenmesi algoritmaları kullanılarak seçim tahmini yapma çalışmasıdır. Çalışmada duygu analizi kütüphaneleri, makine öğrenmesi algoritmaları, algoritmaların karşılaştırmalı doğruluk (accuracy) sonuçları, zaman performansı ve duygu analizi yapan SentiWordNet ve TextBlob kütüphanelerin de karşılaştırmalı sonuçları yer almaktadır. Böylece hangi algoritmayı ve duygu analizi kütüphanesi kullanmanın seçim tahminlerini daha doğru tahmin edeceğine dair sonuç, amacımıza ışık tutmuştur. Sonuç olarak, TfidfVectorizer sınıflandırma yöntemi, %10 luk bir duygu tahmini farkıyla SentiWordNet duygu analizi kütüphanesi ve kendine özgü online öğrenme algoritması ile ve % 84'lük doğruluk test skoru, % 99 'luk doğruluk eğitim skoru ve %86 lık F1 Test Skoru ile Pasif Agresif Sınıflandırıcı algoritmasının en verimli çalışan algoritma ve yöntemler olduğu gözlenmiştir.
Özet (Çeviri)
Political elections are carried out according to election systems such as parliamentary elections and presidential elections and voting procedures are carried out at the polls because of the democracy system is implemented in most countries nowadays. The majority of the survey companies apply the surveys among the public by selecting the participants before the elections and predicting elections based on the responses of the participants. However, Twitter is one of the platforms where people express the most opinions about elections in today's technology age. Election predictions can be made by taking the opinions of millions of people from this platform instead of choosing participants from among the public and even with developing machine learning and artificial intelligence technologies, emotion analysis can be made from the data on Twitter using various classification algorithms together with these data and sentiment analysis libraries and it can contribute all employees, companies and institutions working on election predictions substantially. It can be easily determined who will win the elections according to the tweets written by people using emotion analysis libraries and machine learning technology. Besides, even voting can be made without going to the polls according to a comment on Twitter. This study is a election prediction study using emotion analysis, text classification and machine learning algorithms according to tweets. This study includes sentiment analysis libraries, machine learning algorithms and comparative accuracy results of algorithms, time performance and comparative results of SentiWordNet and TextBlob libraries that perform sentiment analysis. Thus, the conclusion on which algorithm and emotion analysis library to use will more accurately predict election predictions has shed light on our purpose. As a result, TfidfVectorizer classification method, SentiWordNet emotion analysis library with a 10% difference by TextBlob and Passive Agressive Classifier algorithm with 84 % accuracy test score, 99 % accuracy train score, 86 % F1 Test Score and its online learning algorithm has been observed the most efficient algorithm and methods.
Benzer Tezler
- Spor verisi ile analiz ve tahminleme: Bir NBA uygulaması
Analysis and forecasting with sports data: An NBA application
VOLKAN KURUM
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. MEHMET ALPER TUNGA
- Twitter verileri ile türk televizyonları izlenme oranı sıralamaları tahmini
Predicting turkish television rating results with twitter data
CENK AKARSU
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BANU DİRİ
- Predicting the june 2019 istanbul mayoral electionwith twitter
Twıtter verisi kullanılarak haziran 2019 İstanbul Belediye Başkanlığı seçim tahmini çalışması
EMRE SOYLU
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER BADAY
- Kalp yetmezliğinin makine öğrenme algoritmalarıyla tespiti
Detection of heart failure with machine learning algorithms
ORÇUN BAĞRA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HALİFE KODAZ
- Makine öğrenmesi sınıflama algoritmalarıyla kalp yetersizliği mortalitesinin tahminlenmesi
Prediction of heart failure mortality by machine learning classification algorithms
USAME ÖMER OSMANOĞLU
Doktora
Türkçe
2021
BiyoistatistikEskişehir Osmangazi ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. FEZAN MUTLU