KADES uygulaması hakkında kullanıcı yorumları üzerinden web madenciliği ve duygu analizi
Web mining and sentiment analysis through user comments about KADES application
- Tez No: 929125
- Danışmanlar: DOÇ. DR. GÖZDE KOCA, DOÇ. DR. ÖZÜM EĞİLMEZ
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Ülkemizde kadına yönelik şiddetle mücadelede çeşitli uygulamalar ve platformlar aktif bir şekilde kullanılmaktadır. Bu çerçevede, bilgi teknolojileri ve acil durum hatları, devlet kurumları tarafından şiddetle mücadelede etkili birer iletişim aracı olarak ön plana çıkmaktadır. Bilgi teknolojileri alanında, İçişleri Bakanlığı ile Emniyet Genel Müdürlüğü'nün (EGM) iş birliğiyle geliştirilen Kadın Destek Uygulaması (KADES), güvenlik birimleriyle entegre çalışan güncel ve etkin bir uygulama örneği olarak dikkat çekmektedir. Bu tez çalışmasında, KADES uygulamasına ait kullanıcı yorumları veri madenciliği yöntemiyle elde edilmiş ve metin madenciliği teknikleriyle WEKA programında işlenmek üzere uygun hale getirilmiştir. Veriler, dengeli ve dengesiz olarak iki farklı veri grubu halinde düzenlenmiş ve Naive Bayes, KNN ve SMO algoritmaları kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Yorumlar, üç etiketli (pozitif, negatif ve nötr) ve iki etiketli (pozitif ve negatif) olarak sınıflandırılmış, her iki grup da dengeli ve dengesiz veri olarak ayrı değerlendirilmiştir. Analiz sonuçlarına göre, üç etiketli dengesiz verilerde %81.118 sınıflandırma doğruluğu ile SMO algoritmasının diğer sınıflandırıcılardan üstün olduğu görülmüştür. Üç etiketli dengeli verilerde ise Naive Bayes algoritması %83.890 doğruluk oranıyla iyi bir performans sergilemekle birlikte, SMO %84.246 doğruluk oranıyla en iyi sonucu vermiştir. KNN algoritmasının farklı k değerleri (k=1, k=3 ve k=5) kullanılarak yapılan değerlendirmelerde diğer algoritmalardan daha düşük performans gösterdiği belirlenmiştir. İki etiketli dengesiz verilerde %92.359 doğruluk oranıyla SMO, diğer yöntemlere göre daha başarılı bulunmuştur. İki etiketli dengeli verilerde Naive Bayes %90.988 doğruluk oranı ile başarılı sonuçlar elde etse de, SMO algoritması %95.928 doğruluk oranıyla en yüksek performansı sağlamıştır. Genel olarak, dengeli veri kullanıldığında sınıflandırma doğruluğunun arttığı gözlemlenmiştir.
Özet (Çeviri)
Various applications and platforms are actively used in our country to combat violence against women. In this context, information technologies and emergency lines stand out as effective communication tools in combating violence by state institutions. In the field of information technologies, the Women's Support Application (KADES), developed in cooperation with the Ministry of Interior and the General Directorate of Security (EGM), stands out as an up-to-date and effective application example that works in integration with security units. In this thesis study, user comments belonging to the KADES application were obtained by data mining method and made suitable for processing in WEKA program with text mining techniques. The data was organized into two different data groups as balanced and unbalanced and the classification process was performed using Naive Bayes, KNN and SMO algorithms. The comments were classified as three-labeled (positive, negative and neutral) and two-labeled (positive and negative), and both groups were evaluated separately as balanced and unbalanced data. According to the analysis results, it was seen that the SMO algorithm was superior to other classifiers with 81.118% classification accuracy in three-labeled unbalanced data. In balanced data with three labels, Naive Bayes algorithm showed good performance with 83.890% accuracy rate, while SMO gave the best result with 84.246% accuracy rate. It was determined that KNN algorithm showed lower performance than other algorithms in the evaluations made using different k values (k=1, k=3 and k=5). In unbalanced data with two labels, SMO was found to be more successful than other methods with 92.359% accuracy rate. Although Naive Bayes achieved successful results with 90.988% accuracy rate in balanced data with two labels, SMO algorithm provided the highest performance with 95.928% accuracy rate. In general, it was observed that classification accuracy increased when balanced data was used.
Benzer Tezler
- The effect of visual narrative language of color codes in Youssef Chahine's cinema
Youssef Chahine sinemasında renk kodlarının görsel anlatı diline etkisi
MARİAM MAHROUS
Yüksek Lisans
İngilizce
2024
Radyo-TelevizyonEge ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
PROF. DR. ALEV FATOŞ PARSA
Assist. Prof. Dr. ELÇİN AS
- Modelling and analysis corrosion fatigue behaviour of steel wire rope
Çelik tel halatların korozyonlu yorulma davranışının modellenmesi ve incelenmesi
ÖZLEM SALMAN ÇİÇEK
Doktora
İngilizce
2016
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Metal organik kafes yapılarının kuvars kristal mikrobalans sensör üzerinde uygulamaları
Metal organic cage structures applications on quartz crystal microbalance sensor
ÇAĞLA PİLAVCI
Yüksek Lisans
Türkçe
2024
Fizik ve Fizik MühendisliğiKocaeli ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. TİMUR CANEL
- Sezgisel bulanık sayılar ile reel opsiyon değerlemesi ve güneş enerjisi yatırımı uygulaması
Real option valuation with intuitionistic fuzzy numbers and its application to solar energy investment
HÜSEYİN YİĞİT ERSEN
Doktora
Türkçe
2019
Enerjiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. OKTAY TAŞ
- Tünel tasarımına etki eden faktörlerin incelenmesi
Investigation of the factors affecting the design of tunnel structures
ONUR EFE HEPBOSTANCI
Yüksek Lisans
Türkçe
2017
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiDeprem Mühendisliği ve Afet Yönetimi Ana Bilim Dalı
PROF. DR. TURGUT ÖZTÜRK