Makine öğrenmesi yöntemleri kullanılarak atılan havayolu twitlerinin analiz edilmesi
Analysis of airline tweets by using machine learning methods
- Tez No: 678130
- Danışmanlar: DR. ÖĞR. ÜYESİ PARVANEH SHAMS
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojinin gelişmesiyle internet ve sosyal ağları kullanan insanların sayısında bir artış olmuştur. Bu durum önceden bir konu veya bir kurum hakkında geri bildirimin zor olması ve geri bildirim sürecinin uzun olması gibi bazı aksaklıkların giderilmesinde hız ve zaman kazanımını ortaya çıkarmıştır. Facebook, Twitter, Linkedln veya Instagram gibi sosyal ağlar insanların her türlü bilgiye, habere ve kuruma ulaşmasını kolay hale getirmiştir. Önceden, bir aksaklık veya sorunla ilgili olarak bilgi verilmesi ve bu bilginin sonucunun alınması süreçlerinin uzun ve zaman gerektiren işler olduğunu göz önünde bulundurursak teknolojiyle beraber bu sürenin kısalması kolay çözülebilecek aksaklıkların giderilmesiyle ilgili olarak zaman kısaltılamasına gitmiştir. Paylaşılan mecralarda alınan veriler doğru bir şekilde işlenildiğinde ve analiz edilecek hale getirildiğinde herhangi bir konu hakkında paylaşım yapan kişilerin duyguları ortaya çıkabilmektedir. Yapmış olduğumuz çalışma sosyal ağ Twitter üzerinde paylaşılmış yabancı havayollarıyla ilgili bildirilen görüşlerin toplanıp bu görüşlerin duygu analizinin yapılmasıyla en yüksek sonuca ulaşılmaya çalışılmıştır. Çalışma içerisinde 6 farklı havayolu şirketi için yapılan paylaşımları içeren bir veri kümesi kullanılmıştır. Veri kümesi tweets UCI'den erişime açık bir veri kümesi alınmıştır. Toplam 13 adet özniteliği bulunmaktadır. Veri kümesi içerisinde 14873 adet havayollarıyla alakalı olarak paylaşım bulunmaktadır. Daha önce yapılan çalışmalar göz önünde bulundurulduğunda daha yüksek başarı oranı için gerekli olan araştırmalar yapılmış ve bu yönde algoritmalar kullanılmaya çalışılmıştır. Çalışma 6 adet farklı sınıflandırma ve optimizasyon algoritması kullanılarak gerçekleştirilmiştir. Bu makine öğrenmesi yöntemleri; Keras, Karar ağacı, Rastgele orman, Destek vektör makineleri, Gauss Naive Bayes, ve Gradient Boosting algoritmaları kullanılmıştır. Kullanılan algoritmalar arasında en yüksek başarının; %92.6 ile keras olduğu görülmüştür. Keras'a en yakın başarının %84.3 ile Random forest olduğu görülmüştür. Bu başarı oranı aynı veri kümesi ve algoritmalar kullanılarak yapılan analizler arasında en başarılı olan çalışma olarak ortaya çıkmaktadır.
Özet (Çeviri)
With the development of technology, there has been an increase in the number of people using the internet and social networks. This has led to speed and time savings in eliminating some of the problems, such as difficult feedback on a subject or an organization and long feedback process. Social networks such as Facebook, Twitter, Linkedln or Instagram made it easy for people to access all kinds of information, news and institutions. Considering that it is a long and time-consuming work to provide information about a malfunction or problem in advance and to obtain the result of this information, this time has shortened with the technology in order to eliminate the disruptions that can be easily resolved. When the data received in the shared media are processed correctly and made to be analyzed, the feelings of the people who share about any subject may arise. Our study has been tried to reach the highest result by collecting the reported opinions about foreign airlines shared on the social network Twitter and analyzing the emotions of these opinions. In the study, a data set containing the shares made for 7 different airline companies was used. Data set An accessible data set has been obtained from the UCI. Within the dataset, there are shares related to 15000 airlines. The study was carried out using 6 different classification and optimization algorithms. This machine learning methods; Keras, Decision tree, Random forest, Support vector machines, Gauss Naive Bayes, and Gradient Boosting algorithms are used. Among the algorithms used, the highest success; It was found to be keras with 92.6%. It was observed that the nearest success to Keras was Random forest with 84.3%. This success rate is the most successful study among the analyzes made using the same dataset and algorithms
Benzer Tezler
- Türk havayolu işletmelerinin yolcu taşıma hizmetlerine yönelik algı haritalarının konumlandırma konsepti ile ilişkisinin Twitter üzerinden analizi
Analysis of perceptual maps of airline passenger transportation services in Turkey on Twitter in relationship with positioning concept
BAHRİ BARAN KOÇAK
Doktora
Türkçe
2018
Sivil HavacılıkAnadolu ÜniversitesiSivil Havacılık Yönetimi Ana Bilim Dalı
DOÇ. DR. ÖZLEM ATALIK
- A new approach to increase energy efficiency of luxury high-rise residential blocks in complex buildings by utilizing advanced HVAC systems
Karma yapılardaki yüksek katlı lüks konut binalarının enerji verimliliğinin gelişmiş mekanik sistemlerden faydalanarak arttırılması için yeni bir yaklaşım önerisi
ALPAY AKGÜÇ
Doktora
İngilizce
2019
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. AYŞE ZERRİN YILMAZ
PROF. DR. MARCO PERINO
- Predicting stock movements with machine learning using textual data
Hisse senedi hareketlerinin makine öğrenmesi ile metinsel veri kullanılarak tahmin edilmesi
MERYEM ÖZDEMİR
Yüksek Lisans
İngilizce
2020
Bilim ve TeknolojiBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ONUR DURAHİM
- Estimating metabolic flux variability with machine learning
Metabolik akış değerlerinin makine öğrenmesi ile tahmini
BARIŞ CAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÇAKMAK
- Gemi inşaatında atıklar ve boya emisyon tahmini
Wastes from shipbuilding processes and paint emission estimation
UĞUR BUĞRA ÇELEBİ
Doktora
Türkçe
2008
Gemi MühendisliğiYıldız Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURTEN VARDAR