Twitter Üzerindeki Etkili Bireylerin Makine Öğrenmesi Sınıflandırma Algoritmaları İle Tespiti
Yazarlar (2)
Prof. Dr. Mehmet ŞİMŞEK Düzce Üniversitesi, Türkiye
Abdullah Talha Kabakuş Düzce Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Uluslararası alan indekslerindeki dergilerde yayınlanan tam makale)
|
||
| Dergi Adı | Gazi Mühendislik Bilimleri Dergisi (GMBD) | ||
| Dergi Tarandığı Indeksler | TR Index, Index Copernicus | ||
| Makale Dili | İngilizce | Basım Tarihi | 12-2018 |
| Cilt / Sayı / Sayfa | 4 / 3 / 183–196 | DOI | 10.30855/GJES.2018.04.03.005 |
| Makale Linki | https://www.researchgate.net/profile/Mehmet-Simsek/publication/329896342_Finding_Influencers_on_Twitter_with_Using_Machine_Learning_Classification_Algorithms/links/5c2123fca6fdccfc7066fe96/Finding-Influencers-on-Twitter-with-Using-Machine-Learning-Cl | ||
| UAK Araştırma Alanları |
Algoritmalar ve Hesaplama Kuramı
|
||
| Özet |
| Alınma: 08.10. 2018 Kabul: 06.11. 2018 Mikroblog siteleri insanların birbirlerini takip ettikleri ortamlardır. Bu özellikleri ile bir microblog sitesi bir fikrin ya da yeni bir ürünün yayılması için elverişli bir ortamdır. Buradaki anahtar nokta, yayılımı maksimize edecek bireylerin tespitidir. Bu problem, Etki Maksimizasyonu (EM) olarak bilinir ve birçok araştırmacının ilgisini çekmiştir. Literatürdeki birçok çalışma EM problemini graflar üzerinde Independent Cascade (IC) ve Linear Threshold (LT) yayılım modelleri için ele almıştır. Ne var ki, Twitter gibi microblog sitelerinin kendi özellikleri ve vardır. Twitter üzerinde EM problemini ele almış olan birçok çalışma, kullanıcı ve tweet özelliklerinden yeni ölçütler geliştirme ve bu ölçütleri kullanan bir açgözlü algoritma ile etkin bireyleri seçme yolunu izler. Bu çalışmada biz EM problemi farklı bir yaklaşım uyguladık ve problemi bir sınıflandırma problemi olarak ele aldık. İlk olarak, 2018 Uluslararası Kadınlar Gününde veri topladık; kullanıcıları deneysel olarak etkili bireyler ve etkili olmayan bireyler olarak etiketledik; son olarak bireyleri etkili ya da etkili olmayan diye sınıflara ayırmak için sınıflandırma algoritmalarını kullandık. Bu şekilde, ana verisetinden oldukça küçük olan bir etkili bireyler kümesi elde ettik. Deneysel sonuçlar, aynı parametreyi kullanarak indirgenmiş kümeden seçim yapılmasının, bütün veriseti üzerinden seçim yapılmasına göre çok daha başarılı sonuçlar verdiğini göstermiştir. |
| Anahtar Kelimeler |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| Google Scholar | 1 |