Veri madenciliği yaklaşımı ile sosyal ağ analizi

Abstract

Günümüzde internet kullanımının yaygınlaşmasıyla geliştirilen uygulamalar hem iletişimhem de eğlence amaçlı olarak ortaya çıkmıştır. Sosyal ağlar olarak adlandırılan buuygulamalar kişiler, toplumlar hakkında büyük miktarda veriye internet üzerinden kolayşekilde erişim imkanı sunmaktadır. Sosyal ağlar üzerinde yapılan veri madenciliğiçalışmaları ise son yıllarda bu alandaki gelişmeler ile artış göstermiştir. Pek çok araştırmanın konusu olarak geniş kitleler hakkında yararlı bilgiler elde edilmeye çalışılmıştır.Bu tez çalışmasında sosyal ağlarda yapılan veri madenciliği çalışmaları ve problemleriaraştırılmıştır. Twitter uygulaması üzerinden verilere erişilerek Türkçe Tweet mesajlarınınduygu analizi yapılmıştır. Duygu sınıflandırma işlemi için Naive Bayes, Destek VektörMakineleri ve K En Yakın Komşu Algoritmaları kullanılmıştır. Twitter kullanıcılarınınbelirlenen sektördeki kurumsal şirketler ile ilgili tweetleri duygu polaritesi açısındanincelenerek sosyal ağlar üzerinde kurumsal itibarı en yüksek şirket tespit edilmeyeçalışılmıştır.

Today, the applications developed due to the widespread use of internet have emerged for both communication and entertainment purposes. These applications, which are called social networks, provide easy access to large amounts of data over the Internet for individuals and communities. Data mining activities on social networks have increased with the developments in this area in recent years. As the subject of many studies, it has been tried to obtain useful information about the masses. In this thesis, data mining studies and problems in social networks were investigated. Emotion analysis of the Turkish tweets was made by accessing the data via Twitter application. Naive Bayes, Support Vector Machines and K Nearest Neighboring algorithms are used for emotion classification process. Tweets about Twitter companies' corporate companies in the designated sector were examined in terms of emotion polarity and the highest corporate reputation on social networks was tried to be determined.