Makine öğrenmesi teknikleri kullanılarak siber zorbalık tespiti ve sınıflandırılması
Cyberbullying detection and classification using machine learning techniques
- Tez No: 945726
- Danışmanlar: DR. ÖĞR. ÜYESİ EBRU EFEOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Siber zorbalık, kurbanın hayatını olumsuz etkileyen, teknoloji aracılığıyla yapılan hakaret, tehdit, trolleme, sahte profil oluşturma ve kimlik sahteciliği gibi çeşitli yöntemler olarak bilinemektedir. En yaygın siber zorbalık türleri, sosyal medya gönderileri, yorumlar ve anlık mesajlaşmalar ile yapılmaktadır. Siber zorbalık, teknolojinin gelişmesiyle dijital dünyada giderek artan bir sorun haline gelmiştir. Özellikle çocuklarda ve ergenlerde depresyon, kaygı, özgüven kaybı ve hatta intihar düşünceleri gibi olumsuz durumlara neden olabilmektedir. Bu açıdan siber zorbalığın tespiti ve önleyici mekanizmaların ortaya konulması önem arz etmektedir. Yürütülen araştırmanın amacı, çevrimiçi ortamlarda makine öğrenmesi yöntemleriyle siber zorbalık tespiti yapmaktır. Araştırmada, çevrim içi platformlardan zorbalık tespit etmek amacıyla oluşturulmuş bir veri seti kullanılmıştır. Veri seti, sosyal medya gönderileri, yorumlar ve kullanıcı etkileşimleri gibi farklı kaynaklardan derlenmiştir. Veri setindeki metinler üç ana kategoriye ayrılmaktadır. Makine öğrenmesi tekniklerinden sınıflandırma algoritmaları kullanılarak bu kategoriler otomatik olarak tespit edilmiştir. Bu kategoriler; normal, saldırgan ve nefret söylemi olarak sınıflandırılmıştır. Ayrıca sınıflandırma için Rasgele orman, Extra tree, K-En Yakın Komşuluk (KNN), Destek Vektör Makineleri (DVM) ve Çok Katmanlı Algılayıcı (MLP) algoritmaları kullanılmış ve bu algoritmaların performansları karşılaştırılmıştır. Algoritmaların performans karşılaştırılması sonucunda en yüksek doğruluk oranı Rasgele Orman, Extra tree ve MLP algoritmalarından elde edilmiştir. Bu algoritmaların doğruluk oranları %93 olarak tespit edilmiştir. Bu yüksek doğruluk oranı, metin verilerinden bu algoritmaların kullanımı ile siber zorbalık tespiti ve siber zorbalık türü hakkında güvenilir bilgi sağlayabileceğini ortaya koymaktadır.
Özet (Çeviri)
Cyberbullying is known as various methods such as insults, threats, trolling, creating fake profiles and identity fraud, which are carried out through technology and negatively affect the victim's life. The most common types of cyberbullying are done through social media posts, comments and instant messaging. Cyberbullying has become an increasing problem in the digital world with the development of technology. It can cause negative situations such as depression, anxiety, loss of self-confidence and even suicidal thoughts, especially in children and adolescents. In this respect, it is important to detect cyberbullying and to reveal preventive mechanisms. The aim of the research conducted is to detect cyberbullying in online environments with machine learning methods. In the research, a dataset created to detect bullying from online platforms was used. The dataset was compiled from different sources such as social media posts, comments and user interactions. The texts in the dataset are divided into three main categories. These categories were automatically detected using classification algorithms from machine learning techniques. These categories were classified as normal, aggressive and hate speech. In addition, Random forest, Extra tree, K Nearest Neighborhood (KNN), Support Vector Machines (SVM) and Multilayer Perceptron (MLP) algorithms were used for classification and the performances of these algorithms were compared. As a result of the performance comparison of the algorithms, the highest accuracy rate was obtained from Random Forest, Extra tree and MLP algorithms. The accuracy rates of these algorithms were determined as 93%. This high accuracy rate reveals that the use of these algorithms from text data can provide reliable information about cyberbullying detection and cyberbullying type.
Benzer Tezler
- Sosyal ağ analizi ve makine öğrenmesi temelli siber zorbalık tespiti
Cyberbullying detection based on social network analysis and machine learning
MÜMİN FERHAT YAKUT
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILMAZ ATAY
- Sosyal medyada sanal zorbalığın tespiti
Detection of cyberbullying content in social media
MIKAYIL SADIGZADE
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. EFENDİ NASİBOĞLU
- Identification of cyberbullying using machine learning techniques
Makine öğrenmesi tekniklerini kullanarak siber zorbalığın tespiti
ALI NAJIB
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL
- Makine öğrenmesi kullanarak windows olay kayıtları ile dinamik davranış analizi
Dynamic behavior analysis through novel windows event logs with machine learning
GÖKSUN ÖNAL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ AYDIN SELÇUK
DR. MESUT GÜVEN
- Bilgisayar sistemlerine yönelik tehdit ve saldırıların makine öğrenmesi teknikleri kullanılarak ağ adli bilişimi açısından analizi
Threats and attacks on computer systems network forensic analysis using machine learning techniques
FİRDEVS YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH ERTAM