Sosyal medya platformlarında yapay zeka teknikleri ile siber zorbalık tespiti
Detecting cyberbullying on social media platforms with artifical intelligence techniques
- Tez No: 972068
- Danışmanlar: PROF. DR. TUNCAY YİĞİT
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsanlar genç yaşlı fark etmeksizin günümüz iletişim teknolojilerinden olan telefon, tablet, bilgisayar ve akıllı cihazlar ile internet dünyasına hızlı bir şekilde adım atmışlardır. İnternetin insanların hayatında yeri arttıkça sosyal medya platformlarını çeşitlenmekte ve kullanıcılar bu platformlarda yer almak istemektedirler. Sosyal medya da karşılaşılan en önemli sorun da siber zorbalık durumlardır. Makine öğrenmesi, özellikle derin öğrenme algoritmaları sayesinde, sosyal medyadaki siber zorbalık gibi karmaşık sorunlara çözüm bulmak için yeni olanaklar sunmaktadır. Twitter gibi platformlarda paylaşılan milyarlarca tweet arasında siber zorbalık içerenleri tespit etmek, insan gücüyle oldukça zordur. Siber zorbalık, sosyal medya platformlarında giderek artan dijital şiddet biçimlerinden biridir. Twitter, yapısı gereği hızlı ve kısa içerik paylaşımına olanak sağladığından, siber zorbalığın sıkça gözlemlendiği bir platformdur. Bu çalışmada, Twitter'daki siber zorbalık türlerinin tespitinde kullanılmak üzere Türkçe tweetlerden veri seti oluşturulmuştur ve Twitter'daki siber zorbalık türlerinin sınıflandırılması ve tespit edilmesi amacıyla çeşitli makine öğrenmesi teknikleri kullanılmış ve bu tekniklerin performansları karşılaştırılmıştır. Bağlamsal dil modelleri, özellikle genel doğruluk ve sınıf bazlı performans açısından üstünlük sağlamıştır. Klasik makine öğrenimi yöntemleri ise belirli sınıflarda başarılı olmakla birlikte, genelleme yetenekleri bağlamsal modellere kıyasla sınırlı kalmıştır. Ancak etik kaygılar, veri gizliliği ve yanlış pozitif/negatif oranlarının dikkatle ele alınması gerekmektedir. Gelecekte, çok dilli veri setleri ve kültürel bağlamın da dikkate alındığı modeller geliştirilmelidir.
Özet (Çeviri)
People, regardless of their age, have quickly stepped into the internet world with today's communication technologies such as phones, tablets, computers and smart devices. As the place of the internet in people's lives increases, social media platforms are diversified and users want to take part in these platforms. The most important problem encountered in social media is cyberbullying. Machine learning, especially thanks to deep learning algorithms, offers new opportunities to find solutions to complex problems such as cyberbullying on social media. It is quite difficult to detect cyberbullying among billions of tweets shared on platforms such as Twitter with human power. Cyberbullying is one of the increasingly common forms of digital violence on social media platforms. Twitter is a platform where cyberbullying is frequently observed, as it allows for fast and short content sharing by its nature. In this study, various machine learning techniques were used to classify and detect cyberbullying types on Twitter and the performances of these techniques were compared. Contextual language models were superior, especially in terms of general accuracy and class-based performance. Classical machine learning methods, on the other hand, were successful in certain classes, but their generalization abilities were limited compared to contextual models. This study confirmed the superiority of BERT (84.99%) and RoBERTa (84.48%) transformer models in cyberbullying detection. Among the classical machine learning methods, KNN was the model with the lowest accuracy rate (31.65%). However, ethical concerns, data privacy, and false positive/negative rates need to be carefully addressed. In the future, models that take into account multilingual datasets and cultural context should be developed.
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
- Yapay zekâ çağında sosyal güvenlik: Sosyal medya platformlarında veri gizliliği ve güvenlik sorunları, fırsatlar ve zorluklar
Social security in the age of artificial intelligence: Data privacy and security issues, opportunities and challenges on social media platforms
HUSAM BERDİ RADHİ RADHI
Yüksek Lisans
Türkçe
2025
Radyo-Televizyonİstanbul Gelişim ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM TUĞÇE KELEŞ
- Sosyal mühendislikte komplo tabanlı içeriklerin yapay zekâ ile analizi
Analysis of conspiracy-based content in social engineering with artificial intelligence
EMEL KOÇYİĞİT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH ÇALLI
- Sosyal medyada yapay zekâ ile nefret söylemi tespiti
Detection of hate speech on social media with artificial intelligence
ÇAĞLA AKSOY
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. ŞEREF SAĞIROĞLU
DR. MUSTAFA UMUT DEMİREZEN
- Prıorıtızatıon of socıal medıa advertısıng channels ınonlıne retaılıng by an aı-drıven mcdm framework
Çevrimiçi perakendecilikte sosyal medya reklamkanallarinin yapay zeka destekli bir çkkv çerçevesiyleönceliklendirilmesi
SABA MOSTAFAEI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU