SavedAdd your journal

Journals / Bilişim Teknolojileri Dergisi / 2017 / Cilt: 10 Sayı: 3

FATİH Projesine Yönelik Görüşlerin Metin Madenciliği Yöntemleri İle Otomatik Değerlendirilmesi

Hanife Göker
Hakan Tekedere
Pages
291–299
Publication Date
2017-07-31
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Performansı karşılaştırılan algoritmalardan en yüksek başarımın Ardışık Minimal Optimizasyon Algoritmasına ait olduğu (%88,73) gözlemlenmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada, FATİH projesine yönelik internet ortamında yer alan görüşlerin metin madenciliği yöntemleri ile otomatik tespitinin yapılması amaçlanmaktadır.
📊
Key Findings & Data:Çalışmada FATİH projesine yönelik 444 görüş içeren metin dosyasındaki metinler tf-idf ağırlıklandırma yöntemi ile vektörel olarak temsil edilerek sınıflandırma algoritmalarının model başarım ölçütleri karşılaştırılmıştır.
💡
Conclusion & Impact:Performansı karşılaştırılan algoritmalardan en yüksek başarımın Ardışık Minimal Optimizasyon Algoritmasına ait olduğu (%88,73) gözlemlenmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Metin madenciliği · FATİH projesi · metin sınıflandırma

Özet

Bu çalışmada, FATİH projesine yönelik internet ortamında yer alan görüşlerin metin madenciliği yöntemleri ile otomatik tespitinin yapılması amaçlanmaktadır. Çalışma iki temel kısımdan meydana gelmektedir. İlk basamakta, internet ortamındaki yapısal olmayan veri kümelerinin yapısal veri haline dönüştürülmesini sağlamak amacıyla metin madenciliği veri önişleme yazılımı geliştirilmiştir. İkinci basamakta ise geliştirilen metin madenciliği veri önişleme yazılımı ile yapısal veri kümesine dönüştürülen veriler üzerinde makine öğrenmesi algoritmaları uygulanarak yorumlar otomatik sınıflandırılmaktadır. Geliştirilen metin madenciliği veri önişleme yazılımının en önemli ayırt edici özelliği, yazılımın sadece FATİH projesine yönelik görüşlerinin veri önişleme basamağında değil, istenilen amaca yönelik metin sınıflandırma işleminin veri önişleme basamağında konudan bağımsız bir şekilde kullanılabilir olmasıdır. Çalışmada FATİH projesine yönelik 444 görüş içeren metin dosyasındaki metinler tf-idf ağırlıklandırma yöntemi ile vektörel olarak temsil edilerek sınıflandırma algoritmalarının model başarım ölçütleri karşılaştırılmıştır. Performansı karşılaştırılan algoritmalardan en yüksek başarımın Ardışık Minimal Optimizasyon Algoritmasına ait olduğu (%88,73) gözlemlenmiştir.

🔖

Cite This Article

Göker, H., Tekedere, H. (2017). FATİH Projesine Yönelik Görüşlerin Metin Madenciliği Yöntemleri İle Otomatik Değerlendirilmesi. Bilişim Teknolojileri Dergisi, Cilt: 10 Sayı: 3, 291–299. https://doi.org/10.17671/gazibtd.331041

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (41)

  1. K. Doğan, S. Arslantekin, “Büyük Veri: Önemi, Yapısı ve Günümüzdeki Durum”, DTCF Dergisi, 56 (1), 15-36, 2016
  2. M. Ö. Dolgun, T. G. Özdemir, D. Oğuz, “Veri Madenciliğinde Yapısal Olmayan Verinin Analizi: Metin ve Web Madenciliği”, İstatikçiler Dergisi, 2(2), 48-58, 2009
  3. A. Karadağ, H. Takçı, “Metin Madenciliği ile Benzer Haber Tespiti”, Akademik Bilişim Konferansı Bildirileri, Muğla Üniversitesi, 10-12 Şubat, 2010
  4. M. F. Amasyalı, B. Diri, F. Türkoğlu, “Farklı Özellik Vektörleri ile Türkçe Dokümanların Yazarlarının Belirlenmesi”, 15. Türkiye Yapay Sinir Ağları Sempozyumu, Muğla, 21- 24 Haziran, 2006
  5. A. C. Tantuğ, “Metin Sınıflandırma (Text Classification)”, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 5(2), 2012
  6. Aşlıyan, R., Günal, K., “Metin İçerikli Türkçe Doküman Sınıflandırılması”, Akademik Bilişim Konferansı Bildirileri, Muğla Üniversitesi, 10-12 Şubat, 659-665, 2010
  7. L. Kuzucu, Müşteri memnuniyeti belirlemek için metin madenciliği tabanlı bir yazılım aracı, Yüksek Lisans Tezi, Maltepe Üniversitesi, Fen Bilimleri Enstitüsü, 2015
  8. H. Núñez, E. Ramos, “Automatic Classification of Academic Documents Using Text Mining Techniques”, In Informatica (CLEI) XXXVIII Conferencia Latinoamericana, Medelin-Colombia, 1-5 October, 1-7, 2012
  9. P. Sobkowicz, M. Kaschesky, G. Bouchard, “Opinion Mining in Social Media: Modeling, Simulating, and Forecasting Political Opinions in the Web”, Government Information Quarterly, 29, 470-479, 2012
  10. V. Levent, B. Diri, “Türkçe Dokümanlarda Yapay Sinir Ağları İle Yazar Tanıma”, Akademik Bilişim’14 Konferansı Bildirileri, Mersin Üniversitesi, 5-7 Şubat, 735-741, 2014
  11. M. M. Mostafa, “More Than Words: Social Networks’ Text Mining For Consumer Brand Sentiments”, Expert Systems with Applications, 40(10), 4241-4251,2013
  12. A. Visa, “Technology of text mining”, In International Workshop on Machine Learning and Data Mining in Pattern Recognition, Springer-Verlag London, July 25-27, 1–11, 2001
  13. F. Erten, Metin madenciliği tabanlı bir web sitesi sınıflandırma aracı tasarımı, Yüksek Lisans Tezi, Maltepe üniversitesi, Fen bilimleri Enstitüsü, 2015
  14. D. Kılınç, E. Borandağ, F. Yücalar, V. Tunalı, M. Şimşek, A. Özçift, “KNN Algoritması ve R Dili ile Metin Madenciliği Kullanılarak Bilimsel Makale Tasnifi”, Marmara Fen Bilimleri Dergisi, 28(3), 89-94. 2016
  15. V. Tunalı, Metin madenciliği için iyileştirilmiş bir kümeleme yapısının tasarımı ve uygulaması”, Doktora Tezi, Marmara Üniversitesi, Fen Bilimleri Enstitüsü, 2011
  16. M. Çetin, M. F. Amasyalı, “Active Learning for Turkish Sentiment Analysis”, IEEE International Symposium on Innovations in Intelligent Systems and Applications (INISTA), Albena-Bulgaria, 19-21 June, 1–4, 2013
  17. D. Kılınç, F. Bozyiğit, A. Özçift, F. Yucalar, E. Borandağ, “Metin Madenciliği Kullanılarak Yazılım Kullanımına Dair Bulguların Elde Edilmesi”, 9. Ulusal Yazılım Mühendisliği Sempozyumu, Yaşar Üniversitesi, 9-11 Eylül, 2015
  18. K. Ergün, Metin madenciliği yöntemleri ile ürün yorumlarının otomatik değerlendirilmesi, Doktora Tezi, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, 2012
  19. H. Göker, H. I. Bülbül, “Improving an Early Warning System to Prediction of Student Examination Achievement”, 13th International Conference on Machine Learning and Applications (ICMLA'13), Detroit-USA, 3-5 December, 568-573, 2014
  20. A. Haltaş, A. Alkan, M. Karabulut, “Metin Sınıflandırmada Sezgisel Arama Algoritmalarının Performans Analizi”, Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 30(3), 417-427, 2015
  21. Y. Argüden, B. Erşahin, Veri Madenciliği: Veriden Bilgiye, Masraftan Değere, ARGE Danışmanlık Yayınları, İstanbul, 2008
  22. A. Güven, Türkçe belgelerin anlam tabanlı yöntemlerle madenciliği, Doktora Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2007
  23. T. Kaşıkçı, H. Gökçen, “Metin Madenciliği İle E-Ticaret Sitelerinin Belirlenmesi”, Bilişim Teknolojileri Dergisi, 7(1), 25-32, 2014
  24. E. Alpaydın, Introduction to Machine Learning, The MIT Press, London, 2004
  25. A. Tunç, İ. Ülger, “Veri Madenciliği Uygulamalarında Özellik Seçimi İçin Finansal Değerlere Binning ve Five Number Summary Metotları İle Normalizasyon İşleminin Uygulanması”, XVIII. Akademik Bilişim Konferansı, Adnan Menderes Üniversitesi, 30 Ocak- 5 Şubat, 2016
  26. H. Almuallim, T. G. Dietterich, Learning with many Irrelevant Features, AAAI Pres, California, 1991
  27. S. İlhan, N. Duru, Ş. Karagöz, M. Sağır, “Metin Madenciliği ile Soru Cevaplama Sistemi”, Elektronik ve Bilgisayar Mühendisliği Sempozyumu (ELECO), Bursa, 26-30 Kasım, 356-359, 2008
  28. K. Çalış, O. Gazdağı, O. Yıldız, “Reklam İçerikli Epostaların Metin Madenciliği Yöntemleri ile Otomatik Tespiti”, Bilişim Teknolojileri Dergisi, 6(1), 1-7, 2013
  29. P. Soucy, W. Mineau, “Beyond TFIDF Weighting for Text Categorization in the Vector Space Model”, IEEE International Conference,Edinburgh-Scotland, July 30- August 05, 1130-1135, 2005
  30. J. Han, M. Kamber, J. Pei, Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, USA, 2011
  31. C. Zhang, S. Zhang, Association Rule Mining, Models and Algoritms, Springer, USA, 2002
  32. Y. Özkan, Veri Madenciliği Yöntemleri, Papatya Yayıncılık Eğitim, İstanbul, 2008
  33. E. Ardıl, Esnek hesaplama yaklaşımı ile yazılım hata kestirimi, Yüksek Lisans Tezi, Trakya Üniversitesi, Fen Bilimleri Enstitüsü, 2009
  34. M. Elmas, Destek vektör makineleri ile fiyat tahminleri ve kuyumculuk sektöründe bir uygulama, Yüksek Lisans Tezi, İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, 2012
  35. J. C. Platt, 12 fast training of support vector machines using sequential minimal optimization. Advances in kernel methods, 185-208, 1999
  36. H. Akpınar, “Veri Tabanlarında Bilgi Keşfi ve Veri Madenciliği”, İstanbul Üniversitesi İşletme Fakültesi Dergisi, 29(1), 1-22, 2000
  37. X. Wu, V. Kumar, J. R. Quinlan, J. Ghosh,Q. Yang, H. Motoda, G. J. McLachlan, A. Ng, B. Liu, P. S. Yu, Z. Zhou, M. Steinbach, D. J. Hand, D. Steinberg, “Top 10 Algorithms in Data Mining”, Knowledge and Information Systems, 14(1), 1-37, 2008
  38. H. Göker, Üniversite giriş sınavında öğrencilerin başarılarının veri madenciliği yöntemleri ile tahmin edilmesi, Yüksek Lisans Tezi, Gazi Üniversitesi, Bilişim Enstitüsü, 2012
  39. H. K. Mohamed, “Automatic documents classification”, Computer Engineering & Systems, ICCES'07. International Conference on IEEE, 27- 29 November, 33-37, 2007
  40. W. He, “Examining Students’ Online Interaction In A Live Video Streaming Environment Using Data Mining and Text Mining”. Computers in Human Behavior, 29(1), 90-102, 2013
  41. F. S. Gharehchopogh, Z. A. Khalifelu, “Analysis and Evaluation of Unstructured Data: Text Mining Versus Natural Language Processing”, 5th International Conference on Application of Information and Communication Technologies (AICT), Baku-Azerbaijan, 12-14 October, 1-4, 2011 [42] S. Savaş, N. Topaloğlu, M. Yılmaz, “Veri Madenciliği ve Türkiye’deki Uygulama Örnekleri”, İstanbul. Ticaret Üniversitesi Fen Bilimleri Dergisi, 11(21), 1–23, 2012