Tweet and user recommendation in twitter

Abstract

Bilgi çağında, ağ üzerinden bilgiyi çok kolay bir şekilde elde edebiliriz. Bu tezde sosyal ağdaki bilgi üzerinde çalıştık. Küreselleşen dünyada, Twitter sosyal medyanın son trendlerinden biridir. Twitter 2006'dan itibaren, 2012 verilerine dayanarak 500 milyonun üzerinde kullanıcısıyla ve günlük 340 milyon tweetiyle araştırmacılar için büyük bir bilgi kaynağıdır. Bu yüzden sosyal medyadan Twitter'ı tercih ettik.Aynı konularla ilgilenen Twitter kullanıcıları birbirini takip eder. Ancak, bazen kullanıcılar birbirlerinden farklı konularla da ilgilenirler. Bu durumda, kullanıcılar istemedikleri bilgiye erişirler. Bu problem çözmek amacıyla, kullanıcıların tweetlerin benzerliğinden yola çıkarak tweetleri ve kullanıcıları diğer kullanıcılara tavsiye eden bir yapı tasarladık. Son zamanlarda, Latent Dirichlet Allocation (LDA) İngilizce tweet konu analizinde başarılı bir şekilde kullanılmıştır. Ancak LDA Türkçe tweetler için uygulanmamıştır. Türkçe kullanan kullanıcılara yönelik bir öneri sistemi oluşturmak amacıyla bu tez çalışmasında Türkçe tweetler için LDA analizi kullanılmıştır.İngilizce tweetlerde LDA kullanılması, Trükçe tweetlerde LDA kullanılması ile karşılaştırıldığında, Türkçenin sondan eklemeli bir dil olması nedeniyle, İngilizce için başarılı olan LDA için yeni bir uygulama yapılmıştır. LDA analizi için tweet metinlerini uygun hale getirmek amacıyla bir seri önişlem adımları kullandık. Bu tez çalışmasında elde edilen umut verici sonuçlar sunulmaktadır.

In the information age, we can retrieve information fairly easily through the network. We are concerned with information in Social Networks in this thesis. Twitter is one of the latest trends of social media in the globalized world. Since 2006, with over 500 million users as of 2012 and 340 million tweets daily, Twitter is a great information source for researchers. Hence we prefer Twitter from social media.Twitter users who are interested in same topics follow each other. On the other hand, sometimes the users are interested in some different topics from each other. In this case, the users find information that they don't want. In order to solve this problem, we design a framework that recommends tweets and users to other users by using similarity of the users' tweets.Recently, Latent Dirichlet Allocation (LDA) has been successfully used in analysis of tweet topics in English. However, LDA hasn't been applied to Turkish tweets. In this thesis, LDA analysis is used for Turkish tweets to implement a recommender system for the users in Turkish language. Turkish is an agglutinative language, which makes application of LDA a new challenge compared to LDA on English tweets. Hence, a series of preproccessing steps were performed to make the tweet texts suitable for LDA analysis. We show promising results in this thesis.