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: Belirtilmemiş.
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
- Buğday mutant populasyonlarında çeşitli tarımsal özellikler arasındaki ilişkiler
Başlık çevirisi yok
M. İLHAN ÇAĞIRGAN
Yüksek Lisans
Türkçe
1985
ZiraatEge ÜniversitesiTarla Bitkileri Ana Bilim Dalı
PROF. DR. METİN B. YILDIRIM
- Çeltikte farklı tuz konsantrasyonlarında bazı agronomik karakterlerin varyasyonu
Başlık çevirisi yok
GÜLNAZ AGAR
- Sürücülerde kandaki alkol miktarı ile trafik kazası arası ilişki
Başlık çevirisi yok
Z.SEMRA GÜMRÜKÇÜ
Yüksek Lisans
Türkçe
1986
UlaşımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. RIDVAN EGE
- Ferrokrom fabrikasında çalışan işçilerde stogenetik çalışmalar
Başlık çevirisi yok
AYNUR ACAR
Doktora
Türkçe
1985
Tıbbi BiyolojiAkdeniz ÜniversitesiTıbbi Biyoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. GÜVEN LÜLECİ
- Gamma ışınlamasının buğday ve triticalenin bazı karakterleri üzerindeki etkisinin araştırılması
Başlık çevirisi yok
SANİYE AKGÜNLÜ