Impact analysis of Turkish tweets for disaster relief using large language models
Büyük dil modelleri kullanılarak afet yardımı için Türkçe tweetlerin etki analizi
- Tez No: 946921
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA TOPALLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Doğal dil işleme, Natural language processing
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Doğal afetlerin, özellikle sismik olayların sık görülmesi, önemli ölçüde yıkıma yol açmakta ve sonrasında büyük felaketler ortaya çıkarmaktadır. Bu tür krizler sırasında hızlı bilgiye duyulan kritik ihtiyacın karşılanması hayati önem taşımaktadır. Bu nedenle, bu çalışma, sosyal medyada bulunan bilgileri işleyerek yenilikçi bir sistem aracılığıyla afetle ilgili kayıpları azaltmaya odaklanmaktadır. Yüksek miktarda tweet verilerinden hayati bilgileri hızla tanımlamak ve önceliklendirmek üzere tasarlanan sistemin, bileşenlerinin geliştirilmesi ve karşılaştırmalı değerlendirmesi detaylandırılmaktadır. Türkiye'deki Şubat 2023'teki büyük depremin hemen ardından atılan tweetlerden oluşan özel bir veri seti derlenmiştir. Bu veriler, büyük dil modelleri ile hem istem mühendisliği hem de ince ayar metodolojileri kullanılarak mesajlar afetle ilgili ve acil, afetle ilgili ancak acil olmayan ve afetle ilgili olmayan şeklinde üç temel kategoriye sınıflandırılmıştır. Gemini-1.0-pro ve GPT-4o-mini modellerinin yanı sıra bu modellerin ince ayarlanmış versiyonlarının performansı karşılaştırılmıştır. Sonuçlar, gelişmiş istem stratejileriyle kullanıldığında ince ayarlanmış GPT-4o-mini modelinin en yetkin model olduğunu ve %93,64'lük bir sınıflandırma başarısına ulaştığını göstermiştir. Bu sınıflandırmanın ardından bir etki skoru algoritması uygulanmıştır. Bu algoritma, yeniden paylaşımlar, beğeniler ve görüntülenmeler gibi çeşitli tweet etkileşim metriklerinden yararlanarak daha önemli mesajları ayrıca sıralamak ve vurgulamak için kullanılır. Bu araştırmanın, kurtarma ve yardım kuruluşlarının durumsal farkındalıklarını ve müdahale yeteneklerini artırarak onlara önemli ölçüde destek sunması beklenmektedir. Ayrıca, kriz bilişimi alanında Türkçe dil işlemenin ilerlemesine önemli bir katkıda bulunmayı amaçlamaktadır.
Özet (Çeviri)
The frequent occurrence of natural disasters, particularly seismic events, leads to significant destruction and brings major catastrophes. Addressing the critical need for fast information during such crises is of paramount importance. Therefore, this study focuses on mitigating disaster-related losses through an innovative system that processes information available on social platforms. Development and comparative evaluation of the components of a system designed to rapidly identify and prioritize vital information from high amounts tweet data are detailed. A specific dataset was compiled, consisting of tweets posted in the aftermath of the major earthquake in Türkiye in February 2023. Using this data, messages were classified into three primary categories: disaster-related and urgent, disaster-related but not urgent, and non-disaster-related, utilizing both prompt engineering and fine-tuning methodologies with large language models. Performance of Gemini-1.0-pro and GPT-4o-mini models, as well as fine-tuned versions of these models were compared. The results indicated that the fine-tuned GPT-4o-mini model, when used with advanced prompting strategies, achieved a classification success of 93.64%. Following this classification, an impact score algorithm was implemented. This algorithm utilizes various tweet engagement metrics, such as reposts, likes, and views, to further rank and highlight more significant messages. This research is anticipated to offer substantial support to rescue and aid organizations by enhancing their situational awareness and response capabilities. Furthermore, it aims to make a significant contribution to the advancement of Turkish language processing in the field of crisis informatics.
Benzer Tezler
- Covid-19 aşıları hakkındaki Türkçe tweetlerin doğal dil işleme ve derin öğrenme yardımıyla analizi
Analysis of Turkish tweets about Covid-19 vaccines with the help of natural language processing and deep learning
ÖZGÜN DEVRİM CAN
- Analysis of the impact of social media on the perception change on Russia and the USA in Turkey with discourse analysis technique: Case study of mainstream news channels in Twitter (2015-2019)
Türkiye'de sosyal medyanın Rusya ve ABD algısındaki değişime etkisinin söylem analizi tekniği ile analizi: Twitter'daki ana haber kanalları örneği (2015-2019)
YELİZ ALBAYRAK
Yüksek Lisans
İngilizce
2022
İstanbul Aydın ÜniversitesiSiyaset Bilimi ve Uluslararası İlişkiler Ana Bilim Dalı
Yükleniyor...
- Elektrikli araçların otomotiv ekosistemine etkisi: Duygu analizi çalışması
The impact of electric vehicles on the automotive ecosystem: A sentiment analysis study
CAN AKÇELİK
- COVID-19 pandemisinin ekonomi ve eğitim üzerindeki etkileri: Twitter üzerinden Türkiye örneği
The effects of COVID-19 pandemic on economics and education: The case of Turkey via Twitter
ELÇİN TİMUR ÇAKMAK
- Sosyal medya üzerinden metin madenciliği ve duygu analizi ile pazar değerlendirme
Market analysis based over social networks using text mining and cluster analysis
HATİME DİLEK BEYHAN
Yüksek Lisans
Türkçe
2014
İstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Yükleniyor...