Veri madenciliği
Bu konu başlığı altında 341 tez
Öbek bilgisayarlarda paralel FP-growth gerçekleştirimi
Teknolojinin gelişmesiyle verilerin miktarında ve çeşitliliğinde bir artış gözlemlenmiştir. Bu artış, veri işleme yöntemlerinde yeni ihtiyaçları gündeme getirmiştir. Veri madenciliği bu ihtiyaçlara cevap verebilmek amacıyla geliştirilen büyük veri ambarlarından yararlı bilgi elde etme sürecidir. Veri madenciliği kapsamında, çoklukla gereksinim duyulan ve araştırılan konulardan biri sık öge küme madenciliğidir. Sık öge küme madenciliği için farklı algoritmalar üretilmekte ve incelenmektedir. Ancak, fiziksel kapasitelerin sınırlı olmasından dolayı seri algoritmalar artan veri miktarını karşılamaya yetmemektedir. Bu durum paralel hesaplamayı gündeme getirir. Paralel algoritmalarla, zamandan ve kaynaktan (depolama, hafıza gibi) tasarruf edebilmek amaçlanır. FP-Growth, sık öge kümelerini bulmak için geliştirilen bir veri madenciliği algoritmasıdır. Literatürde FP-Growth, işlenecek veritabanını sadece iki kez tarama ve sık ögeleri bulurken kullandığı sık örüntü ağacı özelliği ile bilinir. Kullandığı bu ağaç yapısı ile daha verimli bir algoritma sunar. Bu çalışma içerisinde FP-Growth algoritmasına, paralel programlar yazmak için geliştirilen bir kütüphane olan MPI ile kodlanan üç farklı paralel yaklaşım önerilmektedir. Bu yaklaşımlarda temel alınan şey, paralel uygulama sırasında düğümlerin tümünde veritabanının mevcut olup olmadığıdır. Ek olarak, paralellik için görev dağılımı esas alındığından görev dağılımının statik ya da dinamik olması da diğer bir parametredir. Bu yaklaşımların iki farklı öbek bilgisayar üzerinde performans analizi gerçekleştirilmiştir. Çıkan sonuçlara göre, veritabanının mevcut olduğu iki yaklaşımın ağaç gönderimi esasına dayanan diğer yaklaşıma göre daha iyi sonuç verdiği gözlemlenmektedir. Her ikisi için de, paralel algoritma iki işlemciyle çalıştığı durumda bile çalışma zamanını dörtte bir oranında azaltmaktadır. Buna ek olarak, daha iyi sonuç veren iki algoritma içerisinde görev dağılımının dinamik olarak gerçekleştiği durum statik görev dağılımlı yaklaşımdan daha iyi sonuç vermektedir.
Esnek kısıtlar tabanlı öbekleme
Öbekleme önemli bir insan aktivitesidir. Aynı özellikleri paylaşan nesne grupları insanların dünyayı algılamasında ve tanımlamasında önemli rol oynar. Öbekleme birçok uygulama alanına sahiptir. Gerçek dünya uygulamaları çeşitli kısıtları sağlayacak şekilde bir öbekleme analizini gerektirir. Fakat, özellikle çok boyutlu ve/veya hacimli veri kümeleri söz konusu olduğunda, yalnızca öbekleme parametrelerine dayanarak anlamlı öbekler yaratmak zor olabilmektedir. Bundan dolayı, birçok uygulamada kullanıcının seçimleri ve koyduğu kısıtların göz önüne alınması istenir. Bizim çalışmamızda esnek kısıtlar kullanılarak, kesişmeyen kısmi öbeklemelerin elde edilmesi hedeflenmiştir. Öbeklemelerin yerine getirilmesi ve verilen kısıtları sağlamada ne kadar başarılı olduğunu ölçmek için bulanık, olasılıksal ve ağırlıklı yarı halka modelleri kullanılmıştır. Optimizasyon için ise genetik algoritmalardan faydalanılmıştır. Bahsi geçen işlemlerin gerçekleştirilmesinde kullanılmak üzere Java programlama dili kullanılarak bir araç geliştirilmiştir. Geliştirilen araç esnek kısıtların tanımlanması, öbekleme algoritmalarının çalıştırılması, veri kümeleri ve öbeklemelerin görsel olarak gösterilmesi, sonuçların hesaplanması ve öbek doğrulama yöntemlerinin kullanılmasını sağlamaktadır. Bu araçtan faydalanılarak seçilen veri kümeleri üzerinde kullanıcı tanımlı esnek kısıtlarına göre anlamlı öbekler oluşturmaya çalışan deneysel çalışmalar da yapılmıştır. Deney sonuçları kapsamlı olarak sunulmuş ve sonuçlar analiz edilmiştir.
Protein etkileşimlerinin tahmininde pozitif etiketlenmemiş öğrenme
Bir veri kümesindeki örneklerin belli bir özelliğe sahip olup olmayışlarına göre etiketlendirilmeleri işlemine ikili sınıflandırma adı verilir. Bir ikili sınıflandırıcı eğitebilmek için, genel yaklaşımda, hem pozitif hem de negatif örnekler içeren bir eğitim verisine ihtiyaç duyulur. Ancak bazı çalışma alanlarında negatif örneklerin elde edilmesi zor, hatta imkansız olabilir. Bu durumlarda veri kümesi sadece pozitif örnekler ve üye oldukları sınıfların belirlenmesi hedeflenen etiketlenmemiş örneklerden oluşur. Bu tür problemlere bir örnek protein-protein etkileşim ağlarının tahminidir.Bir canlı vücudunda hayati işlemlerin devamlılığı proteinlerin çalışmasına bağlıdır ve proteinler bu işlemler sırasında birbirleriyle etkileşime girerler. Hangi proteinlerin birbirleriyle etkileştiğinin bilinmesi tıbbi açıdan önemli bir bilgidir. Proteinlerin etkileştiği laboratuar deneyleri ile tespit edilebilirken, aksi durum kesin bir şekilde belirlenemez. Deneyler sırasında bir protein çiftinin etkileştiğine şahit olunmaması, bu çiftin başka bir zaman ve durumda etkileşmeyeceğinin kanıtı olamaz.Bu çalışmamızda negatif eğitim verisinin mevcut olmadığı bu durumlarda kullanılabilinecek olan algoritmaları özetledik ve bu algoritmaların bir kısmını protein-protein etkileşimlerinin tahmininde kullanarak test edip karşılaştırdık. Böylece protein-protein etkileşim ağlarının tahmininde kullanılabilecek veya bu işlem için ümit vadeden algoritmaları belirledik.
Çok amaçlı genetik algoritma ile karışık verilerin sınıflandırılması
Son yıllarda gittikçe büyüyen veri kümeleri içerisinden kullanıcının işine yarayacak olan saklı bilgiye ulaşmak ve çıkarmak gittikçe önemini arttıran bir araştırma konunusudur. Bu bilgiler üzerinden veriler arasında bulunan ilişkiler saptanabilir ve çeşitli yöntemler kullanılarak bu verilerin öbeklenmesi ve sınıflandırılması sağlanabilir. Bu bilgilerin çıkartılması adına bir çok algoritma geliştirilmiştir ve bu işlemler şu anda bankacılık, biyoenformatik, sağlık sektörü ve benzeri bir çok alanda aktif olarak kullanılmaktadır.Sadece numerik veya sadece kategorik öznitelikler içeren veri kümeleri için bu öbekleme işlemlerini yapan k ? means, k ? modes gibi algoritmalar mevcuttur fakat numerik ve kategorik özniteliklerin karışık olarak yer aldığı veri kümeleri için çözüm üreten çok sayıda yöntem bulunmamaktadır.Bu tezde karışık özniteliklerden oluşan veri kümelerinin öbeklenmesine yönelik bir araştırma yapılmış ve bu doğrultuda bir çözüm yöntemi önerilmiştir. Önerilen çözüm yönteminde karışık öznitelikler içeren veri kümeleri özniteliklerinin türleri doğrultusunda ayrılmakta ve değerlendirilmekte daha sonra ise numerik ve kategorik olarak ayrı ayrı alınan sonuçlar birleştirilerek sonuca ulaşılmaktadır. Bu işlemlerin yapılabilmesi adına numerik ve kategorik öznitelikler için farklı uzaklık (benzerlik) metrikleri tanımlanmıştır. Son olarak ise tanımlanan bu uzaklık metrikleri bir k ? means yapısına oturtularak istenilen algoritma elde edilmiştir. Bu algoritmadan elde edilen sonuçlar üzerinden çeşitli metrikler doğrultusunda ideal öbek sayıları tespit edilmeye çalışılmış ve elde edilen sonuçların başarımları saflık metriği adı verilen bir metrik hesaplanmış ve farklı yöntemler ile elde edilen sonuçlarla karşılaştırılmıştır.
Makine Öğrenme Algoritmalarını Kullanarak Ağ Trafiğinin Sınıflandırılması
İnternetin hayatımıza girmesi ile birlikte ağ kaynaklarının verimli bir şekilde kullanılabilmesi için ağ trafiğinin yönetilmesi ve ağ akışlarının kontrol edilmesi kaçınılmaz olmuştur. Geleneksel sorgu ve raporlama araçlarının günümüzde yetersiz kalması nedeniyle toplanan bu verileri nasıl kullanılacağı üzerine yapılan araştırmalar makine öğrenme ve veri madenciliğinin kavramlarının hayatımıza daha çok girmesini sağlamıştır.Ağ analizi için kullanılan geleneksel tabanlı yaklaşımlar (port-tabanlı, yük-tabanlı) internet kullanım davranışlarının ve teknolojilerinin değişmesiyle günümüzde yetersiz kalmaya başlamıştır. Bu nedenle; Makine öğrenme tabanlı ağ trafiği sınıflandırma yöntemi geliştirilmiştir.Tez çalışmasında, ağ trafiği veri setini kullanarak, akışlar üzerinden ağ akışlarına ait nitelik kümeleri çıkartılarak, sınıflandırma ve kümeleme analizinde sıkça kullanılan C4.5, Naive Bayes, EM ve K-means algoritmaları, karşılaştırma metrikleri kullanılarak test edilecektir. Ayrıca algoritmaların performanslarını yükseltmek için kullanılan Adaboost algoritmasının sınıflandırma algoritmaları üzerindeki etkisi incelenecektir. Oluşturulan nitelik kümesindeki kullanılmayan veya gereksiz niteliklerin çıkarılmasını sağlayan nitelik seçme algoritmaları kullanılarak, en uygun nitelik sınıfı aranacak ve algoritmaların performansları üzerindeki etkisi araştırılacaktır.
Hastalık salgınlarının internet erişim ve arama verisi kullanılarak tahmini
Hastalıkların hangi nedenden dolayı ortaya çıktığı ve önceden tahmin edilmesi insan sağlığı için çok önemli bir konudur. Son yıllarda teknolojinın hızla gelişmesi ve internetin yoğun biçimde kullanılmasıyla ortaya büyük miktarda veri çıkmıştır. Bu verilerden mantıklı sonuçlar çıkarmaya çalışan veri bilimciler, insanların hastalıklarla alakalı internet ortamına bıraktıkları izlerle, hastane verileri arasında ilişki aramaya başlamışlardır. Yapılan çalışma sonuçları göstermiştir ki insanların internet aramaları ile hastaneye gitmeleri arasında önemli bir ilişki mevcuttur. Tespit edilen bu ilişki kullanılarak, çeşitli hastalık salgınları tahmin edilmeye başlanmıştır. Bu tezde temel olarak iki amaç ortaya konmuştur. Birincisi, internet arama ve erişim sıklığı verisi ile hastalık salgınlarını tahmin etmektir. İkinci amaç ise semptom olarak benzerlik gösteren hastalıkların birbiri arasındaki ilişkini saptamak ve bu ilişkinin hastalık salgınları tahmin etmekte önemi olup olmadığını incelemektir. Yapılan ilk çalışmada Vikipedi, Google Flu Trends ve bu veri kümelerinin birleşimiyle oluşturulan modeller ile Amerika Birleşik Devletleri'ndeki grip hastalığı salgını tahmin etmeye çalışılmıştır. Elde edilen sonuçlara göre grip hastalığı salgınını tahmin etmede gayet başarılı modeller oluşturulmuştur. İlk çalışmadan alınan umut verici skorlar sayesinde ikinci çalışmada ilk çalışma genişletilmiştir. Gerçekleştirilen ikinci çalışmada ise Vikipedi ve Google Flu Trends servislerinin yanı sıra Google Trends servisinden de yararlanılmıştır. Ayrıca bu çalışmada, sadece grip hastalığı için değil, grip hastalığı ile semptom olarak benzer olabileceği düşünülen başka hastalık salgınları da tahmin edilmeye çalışılmıştır. Bu çalışmadaki bir diğer amaç ise, çoklu-iş öğrenme yönteminden faydalanarak benzer hastalıklara ait veri kümelerinin beraber kullanılmasının hastalık salgınlarını tahmin etmedeki etkisini gözlemlemek olmuştur. Elde edilen sonuçlar ise önerilen yöntemlerin başarılı ve tutarlı olduğunu ortaya koymaktadır.
Veri madenciliği tekniklerini kullanarak sosyal ağ tabanlı sınıflandırıcı geliştirilmesi
AIDS HIV'in sebep olduğu ölümcül bir hastalıktır. Bağışıklık sistemine saldıran bu hastalık beyaz kan hücreleri üstünde çoğalarak bütün vücuda yayılmaktadır. Hastalığın yaşam döngüsünde HIV-1 protaz enzimi tarafından kırılan amino asit sekizlileri virüs tarafından kendi proteinlerini oluşturmakta kullanılmaktadır. Bu doğrultuda hangi sekizlilerin virüs tarafından kırılabileceğini tahmin etmek yenilikçi ve başarılı ilaçlar geliştirilmesi açısından önem arz etmektedir. Bu çalışmada farklı alanlarda da uygulanabilecek yenilikçi bir sınıflandırıcı önerilmektedir. Bu sınıflandırıcı veri madenciliği tekniklerini kullanarak oluşturulan bir sosyal ağ üzerinde analizler yaparak yeni örneklerin sınıflarını tahmin etmekte kullanılmaktadır. İki ana kısımdan oluşan çalışmamızda ilk olarak sık öğe kümelerinin öznitelik olarak değerlendirilme süreci anlatılmış, ikinci kısımda ise bu öznitelikleri kullanan sınıflandırıcıyı geliştirirken kullandığımız yaklaşım ve sınıflandırıcının çalışma mekaniği açıklanmıştır. Sonuçlarımız literatürde önerilen yöntem ve diğer makine öğrenme yöntemleri ile karşılaştırılmıştır ve bu sonuçlar ümit vericidir.
Bağlı veri kaynakları ve ilişkileri kullanılarak haberlerin öbeklendirilmesi
Metin veya doküman öbeklendirilmesi, aynı konuyla ilgili olan metin belgelerinin belirlenerek gruplandırılması işlemidir. Bu işlem, metin belgelerinin sayısının artmaya devam ettiği sürekli büyüyen Web için özellikle önemlidir. Haber öbeklendirilmesi bu alanda, haber belgelerinin konu bazında sınıflandırılmasının hedeflendiği özel bir konudur. Bu probleme ilişkin daha önce geliştirilmiş çözümler, belgelerin içlerinde geçen kelimelerle ve bu kelimelerin sıklıklarıyla temsil edildiği ``sözcük çantası'' yaklaşımını kullanmıştır ve öbeklendirme işlemi belgelerin bu gösterimi kullanılarak ölçülen benzerlikler kullanılarak yapılmıştır. Bununla birlikte, bu yaklaşım sözcüklerin anlamını veya önemini dikkate almaz ve sözcüklerdeki muğlaklık çözümlenmez. Bu çalışmada doküman veya haber öbeklendirilmesi konusunda ``bağlı veri'' kullanan yeni bir yaklaşım geliştirilmiştir. Bu yaklaşımda haber belgelerindeki sözcükler ve cümleler, DBpedia gibi bağlı veri bilgi tabanlarındaki gerçek dünya karşılıklarına eşlenir ve belgeler sahip oldukları bağlı veri varlıklarıyla temsil edilmektedir. Daha sonra haberler bu varlıklar ve bu varlıkların kategori hiyerarşisi benzerlikleri kullanılarak öbeklendirilmektedir. Değerlendirme sonuçları, geliştirilen yaklaşımın kelime çantasına göre daha iyi sonuç verdiğini göstermektedir.
Dinamik sosyal ağlarda akan ve çok boyutlu veri üzerinden analiz ve tahmin yapılması
Makine öğrenmesi teknikleri ve bu tekniklerin uygulanabilir olduğu alanlar, veri miktarının artması ve veriye ulaşımın kolaylaşması ile birlikte oldukça ön plana çıkmıştır. Veri kümeleri üzerinde bu yöntemler kullanılarak farklı alanlara yönelik tahmin modellerinin geliştirilmesi mümkündür. Bunun yanında doğal dil işleme yöntemleri, metin verisinin analiz edilmesi ve anlamlandırılması noktasında birçok farklı yöntemi içerisinde bulundurmaktadır. Yapılan çalışmada, doğal dil işleme yöntemleri kullanılarak, haber ve sosyal medya verisi analiz edilmiştir ve analiz sonuçlarından öznitelik kümeleri oluşturulmuştur. Oluşturulan öznitelik kümeleri ile sayısı fazla olan seyrek öznitelik kümeleri için ölçeklenebilir bir eğitim ve tahmin sistemi ortaya konmuştur. Sistemin geliştirilmesi için, 1 yıllık zaman aralığı içerisinde New York Times web sayfasından 12.560 adet makale ve 4 aylık zaman aralığı içerisinde Twitter isimli sosyal medya platformundan 2.854.333 adet paylaşım toplanmıştır. Toplanan veri üzerinden varlık isimleri tanımlanmış, düşünce analizi yapılmış ve konu modelleri oluşturulmuştur. Geliştirilen sistemin bir başka çıktısı olarak, analizi yapılan metin verileri üzerinden sosyal ağların oluşturulmasını sağlanmıştır ve üretilen sosyal ağların farklı zaman aralıklarındaki değişimleri gözlemlenmiştir. Elde edilen analiz sonuçları ve sosyal ağlar doğrultusunda öznitelik kümeleri oluşturulmuş ve bu öznitelik kümeleri ile elastik ağ regresyonu temelli bir eğitim yöntemi geliştirilmiştir. Önerilen bu sistem ile birçok farklı veri kümesinin analiz edilebileceği ve bu analizler doğrultusunda farklı değerleri tahmin etmeye yönelik tahmin modellerinin geliştirilebileceği görülmüştür. Bunun bir örneğini ortaya koymak adına Dow Jones endeksinin yönünün tahmini bir vaka olarak seçilmiştir. Önerilen eğitim yöntemi ile farklı modeller eğitilmiş ve eğitilen bu modeller ile Dow Jones endeksinin hareket yönünün tahmin edilmesine yönelik deneyler yapılmıştır. Bu deneyler sonucunda, önerilen eğitim yönteminin, umut vaat edici sonuçlar veren tahmin modelleri ortaya koyduğu gözlemlenmiştir. Farklı deney gruplarının sonucunda, yüksek oranda tutarlı (70,90% değerine varan) sonuçlar elde edilmiştir. Elde edilen tahmin sonuçlarının aynı zamanda gerçek Dow Jones endeks değerleri ile pozitif bir korelasyon (0,2315 korelasyon katsayına değerine varan) içerisinde olduğu da gözlemlenmiştir. Son kısımda, farklı öznitelik kümeleri ile eğitilen tahmin modellerinin sonuçları birbiri ile karşılaştırılmış ve öne çıkan zaman aralıkları ve öznitelik kümeleri analiz edilmiştir. Deney sonuçları, haber ve sosyal medya verisinin, doğal dil işleme yöntemleri ile analiz edilmesinin ve analiz sonuçlarının tahmin modellerinin eğitimi için kullanılmasının finans alanında tahminler yapmak için değerli olduğunu göstermiştir.
Fikrî hak boyutuyla yapay zekâ
Geleneksel bir tanımı bulunmamasına rağmen, yapay zekâ, genellikle insan zekâsıyla ilişkilendirilen işlevleri, sınırlı insan müdahalesiyle ya da hiç insan müdahalesi olmadan gerçekleştirme yeteneği olarak tanımlanabilir. Hayatımızın hemen her alanında karşımıza çıkan yapay zekâ gittikçe gelişmekte ve gerek toplumsal gerek ekonomik alanda önemi her geçen gün artarak önemli tartışmaları gündeme getirmektedir. Hukukun pek çok dalında da bu gelişmelere bağlı olarak yeni düzenlemeler yapılması gerekmektedir. İlgili alanlardan biri de fikir ve sanat eserleri hukuku olarak karşımıza çıkmaktadır. Yapay zekânın gelişerek yaratıcılık alanına giren ürünler üretmesi bir yandan fikir ve sanat eserleri hukukunun insan merkezli tutumunun yeniden sorgulanmasına neden olmakta bir yandan da söz konusu ürünlerin üretilmesinde çok sayıda eser niteliğinde verinin kullanılması, yapay zekânın gelişimine bağlı menfaatler ile eser sahiplerinin fikrî hakka dayalı menfaatlerini karşı karşıya getirmektedir. Bu tezde temel olarak yapay zekâ, insanlar tarafından üretildiğinde eser olarak kabul edilebilecek ürünler ürettiğinde, bu ürünlerin fikrî hak ile korunması gerekip gerekmediği ve söz konusu ürünlerin meydana getirilmesi için kullanılan eser niteliğindeki verilerin eser sahiplerinin fikrî haklarını ihlal edip etmediği sorunları ele alınmaktadır. Ayrıca, bu sorunlara ilişkin olası çözüm önerileri tartışılmaktadır. Başka bir deyişle bu tezde yapay zekâ girdi ve çıktıları fikrî hak koruması temelinde ele alınmaktadır. Birçok ülkede tezde ele alınan sorunları tartışmak, çözüm önerilerinde bulunmak, bu konularda bilgi ve görüş alışverişinde bulunmak amacıyla istişare toplantıları gerçekleştirilmiş, çeşitli yasal girişimler başlatılmıştır. Yine söz konusu sorunlar, öğretide derin tartışmaları beraberinde getirmiş ve uyuşmazlıklar mahkemeler nezdinde incelenmeye başlanmıştır. Türk hukukunda ise mevcut düzenlemeler kapsamında işaret edilen sorulara cevap verme konusunda tereddüt yaşanmakta ve bu tereddütleri gidermek adına henüz bir mevzuat çalışması da yürütülmemektedir. Konuya ilişkin öğretide yer alan çalışmalar da diğer ülkelere kıyasla az sayıda olup ileri sürülen görüşler ise birbirinden farklılaşmaktadır. Bu çalışmada, karşılaştırmalı hukukta yapılan yasa değişikliklerinden ve öğretide yer alan görüşlerden de yararlanılarak bunların fikrî mülkiyet hukukunun amaç ve ilkelerine ve Türk Fikir ve Sanat Eserleri Hukukuna uyumluluğunun ele alınması hedeflenmektedir. Ardından olası yasa değişikliklerine ilişkin çeşitli önerilerde bulunulması amaçlanmaktadır. Belirtilen çerçevede, söz konusu tez ile Türk Hukukundaki önemli bir eksikliğin giderilmesine katkıda bulunulması hedeflenmektedir. Anahtar Kelimeler: Yapay Zekâ, Fikrî Hak, Eser ve Eser Sahibi, Yapay Zekâ Girdi ve Çıktıları, Metin ve Veri Madenciliği.
Futbol maçları için taktik tabanlı tahmin sistemi
Spor müsabakaları organizasyonları insanların zaman geçirdikleri önemli faaliyetler arasında yer almaktadır. Spor müsabakaları arasında futbol, dünyadaki en yüksek popülerlik oranına sahiptir. Birçok futbol müsabakası hem bölgesel bazda hem de uluslararası bazda düzenlenmektedir. Futbol maçlarının sonuçları futbol takımı taraftarları için çok önemlidir ve günlük yaşamlarında destekledikleri takımın sonuçlarına göre mutlu ya da üzgün olabilirler. Yapay zekâ ve makine öğrenmesindeki gelişmeler sonucunda birçok alanda yapılan tahminler futbol sonuçlarının tahminini de içermektedir. Ekonomik getirileri de olan futbol bahis sistemi düşünüldüğünde, futbol maç sonuçlarının tahmin edilmesi önem kazanmıştır. Bu çalışma, İtalya-Serie A, İngiltere-Premier Lig ve Alman-Bundesliga liglerindeki sonuçları tahmin etmek için bilindiği kadarı ile literatürde ilk kez sunulan taktik tabanlı bir tahmin yaklaşımı sunmaktadır. Bu yaklaşımda oyuncuların sahadaki pozisyonları ve piyasa değerleri web sayfalarından otomatik olarak alınmakta ve veri madenciliği yöntemlerine açık hale getirilmektedir. Veri madenciliği aşamasında Torbalama, Yinelemeli Sınıflandırıcı İyileştirici ve Derin Öğrenme gibi farklı yöntemler karşılaştırılmakta ve üç yöntemin farklı liglerde benzer sonuçlar verdiği görülmektedir. Veri madenciliği yöntemlerinde yaklaşık %60 doğruluk elde edilmektedir. Her üç lig için makine öğrenmesi yöntemlerinde kullanılan özellikler incelendiğinde takım sıralamasının maç sonuçlarını etkileyen en önemli özellik olduğu görülmüştür. Serie A'da Stoper ve Merkez Orta Saha özellikleri öne çıkarken, Premier Lig'de Sağ Kanat ve Kaleci gibi farklı özelliklerin önemli olduğu görülmüştür. Bundesliga'da Stoper ve Santrafor özelliklerinin maç sonuçlarına daha çok etki ettiği görülmüştür.
Yapay sinekkuşu optimizasyon algoritmasının geliştirilmesi ve ileri beslemeli yapay sinir ağlarına uygulanması
Bilgisayarların karmaşık veri örüntülerini öğrenme, olaylar arasında ilişki kurabilme ve karar verme yeteneklerinin gelişmesiyle birlikte, matematiksel olarak formüle edilmesi güç veya imkânsız olan birçok problem çözülebilir hâle gelmiştir. Bu gelişimin temelinde yapay zekâ, yapay sinir ağları ve doğadan esinlenen akıllı optimizasyon algoritmaları bulunmaktadır. Metasezgisel yöntemler, canlıların sezgisel davranışlarını taklit ederek karmaşık arama uzaylarında optimale yakın çözümler üretmeyi amaçlamakta ve mühendislikten veri madenciliğine kadar pek çok alanda etkin şekilde kullanılmaktadır. Bu tezde, ileri beslemeli yapay sinir ağlarının eğitimi için Yapay Sinekkuşu Optimizasyon Algoritmasının çeşitli iyileştirmelerle geliştirilerek yeni bir hibrit modeli olan CLAHA (Chaotic-Initialized Light Hybrid AHA) önerilmiştir. Geliştirmeler kapsamında başlangıç popülasyonunun kaotik haritalarla dengeli biçimde dağıtılması, mutasyon tabanlı ince ayar operatörleri ile popülasyon çeşitliliğinin korunması ve muhalefet tabanlı öğrenme yöntemi ile çözüm uzayının zıt bölgelerinde alternatif bireyler üretilmesi sağlanmıştır. Test edilen sekiz kaos haritası arasından en iyi yakınsama performansını sunan Chebyshev haritası başlangıç aşamasında kullanılmak üzere seçilmiştir. Önerilen yöntem, ileri beslemeli yapay sinir ağlarının eğitiminde ağırlık ve bias parametrelerinin optimizasyonu için uygulanmış ve 17 sınıflandırma veri kümesi üzerinde değerlendirilmiştir. Deneyler 500 iterasyon, 30 bireyli popülasyon ve 10 tekrar altında yürütülmüş; doğruluk, F1-Skoru, AUC, MSE ve işlem süresi ölçütleri kullanılmıştır. Alınan sonuçlarda CLAHA, 17 veri setinin 13'ünde en yüksek doğruluk ve F1-Skoru, 10'unda ise en düşük hata değerini elde etmiş; klasik sınıflayıcılarla yapılan karşılaştırmalarda 17 veri setinin 12'sinde en iyi veya en iyiye eşdeğer performans göstermiştir. Algoritmanın genel optimizasyon kabiliyeti ayrıca 23 klasik benchmark fonksiyonu, CEC-2014 ve CEC-2022 uluslararası test fonksiyonları ve altı mühendislik problemi ile değerlendirilmiş; CLAHA sırasıyla 23 fonksiyonun 15'inde, CEC-2014'te 30 fonksiyonun 15'inde ve CEC-2022'de 12 fonksiyonun 7'sinde en iyi sonuçları üretmiştir. Elde edilen bulgular, kaotik başlatma ve popülasyon çeşitliliğini koruyan mekanizmalar sayesinde CLAHA'nın yerel minimumlara sıkışma problemini önemli ölçüde azalttığını ve hem sınıflandırma hem de karmaşık optimizasyon problemlerinde etkin ve kararlı bir küresel optimizasyon yöntemi olduğunu göstermektedir.
Farklı öğrenme analitiği türlerine dayalı öğrenme panellerinin tasarımı
Bu çalışmada, farklı analitik türlerine (betimleyici, tanılayıcı, yordayıcı, yönergeli) dayalı öğrenme panelinin tasarlanması, bu tasarım sonucunda geliştirilen öğrenme paneli öğelerine ilişkin eğilimlerin veri yönelimli olarak belirlenmesi ve bu eğilimlerin öğrenen özelliklerine göre incelenmesi amaçlanmaktadır. Bu çalışma tasarım tabanlı araştırma yöntemi temele alınarak yürütülmüştür. İlk olarak odak grup görüşmeleriyle öğrenen beklentileri belirlenmiştir. Ardından bu beklentiler temelinde tasarım kararları belirlenmiştir. Tasarım kararlarının belirlenmesi sürecinde çeşitli aşamalarda uzman görüşleri alınmıştır. Tasarlanan öğrenme paneli bir kitlesel açık çevrimiçi ders platformunun yapısına uygun olarak geliştirilmiştir. Öğrenme paneli öğrenenlerin kendi istek ve ihtiyaçlarına göre ayarlanabilir öğrenme paneli olarak yapılandırılmıştır. Öğrenme panelinde yer alan öğeler için makine öğrenmesi algoritmaları ve çeşitli kural tabanlı önerilerden yararlanılmıştır. Bu öğelerin bir bölümü değerlendirme etkileşimlerine (uyarlanabilir yetkinlik testleri) yönelik bilgiler sağlarken bir bölümü zaman yönetimine, bir bölümü ise içerik etkileşimlerine (video, alternatif içerikler vb.) yönelik bilgiler sağlamıştır. Geliştirilen öğrenme paneli 121 katılımcıyla uygulanmıştır. Ayarlanabilir öğrenme panelindeki bireyselleştirmelere dayalı öğrenenlerin hangi öğrenme paneli öğelerini ve özelliklerini kullanmayı tercih ettikleri belirlenmiştir. Bu eğilimlerin öğrenen özelliklerine (öz-düzenleme ve başarı hedefi yönelimleri) göre farklılaşma durumları ortaya konulmuştur. Araştırma sonucunda öğrenenlerin bireyselleştirilebilir öğrenme panelini arzu ettikleri ve aktif olarak kullandıkları görülmüştür. Öğrenenler tüm analitik türlerini içeren bir öğrenme panelini arzu ederken en çok mevcut öğrenme durumlarını özetleyici ve gelecekteki olası başarı tahminlerini içeren öğrenme paneli öğelerini kullanmayı tercih etmişlerdir. Öz-düzenleme stratejileri yüksek öğrenenler en çok başarı tahminlerini içeren ve buna yönelik yol haritaları sunan öğrenme paneli öğelerini tercih etmişlerdir. Bu araştırmanın sonuçları eğitim kurumları, üniversiteler ve tasarımcılar için öğrenme paneli tasarımına yönelik önemli bulgular içermektedir.
Öğrencilerin geometri ve cebir sorularına verdikleri cevapların birliktelik kuralı ile incelenmesi
Bu çalışmada, veri madenciliğinden yararlanarak geometri ve cebir arasındaki birliktelik kurallarının çıkarılması amaçlanmıştır. Bu amaç doğrultusunda 2016 yılında gerçekleştirilen Akademik Becerilerin İzlenmesi ve Değerlendirilmesi (ABİDE) sınavına ait matematik alt testinde yer alan geometri ve cebir öğrenme alanları kapsamında sorulmuş soruların öğrenci cevapları, araştırmada veri olarak kullanılmıştır. Veriler 2016 yılında ABİDE sınavına katılarak matematik alt testini cevaplayan 3892 öğrenci verisinden oluşmaktadır. Çalışma, öğrencilerin cevaplarını içeren veri setinin veri madenciliği yöntemlerinden birliktelik kurallarına göre analizi ile sürdürülmüştür. Analizler WEKA programı kullanılarak ve program içerisinde yer alan ve yaygın olarak kullanılan Apriori algoritması ile gerçekleştirilmiştir. Araştırma sonucunda, geometri öğrenme alanına ait soruların cevap örüntüleri arasında, cebir öğrenme alanına ait soruların cevap örüntüleri arasında ve geometri ve cebir öğrenme alanlarına ait soruların cevap örüntüleri arasında çeşitli birliktelik kuralları elde edilmiştir.
STEM eğitiminin etkisinin sistematik derleme, veri madenciliği ve meta-analiz yoluyla incelenmesi
Bu araştırmanın amacı, STEM eğitiminin K-12 öğrenim düzeyindeki öğrencilerin üst düzey düşünme becerilerine ve STEM alanlarına yönelik kariyer ilgisine etkisini sistematik derleme, veri madenciliği ve meta-analiz yoluyla incelemektir. Dokuz veri tabanı oluşturulan anahtar kelimeler ile taranmıştır. STEM eğitiminin K-12 öğrenim düzeyindeki öğrencilerin üst düzey düşünme becerilerine etkisini inceleyen 36 araştırmaya, STEM eğitiminin K-12 öğrenim düzeyindeki öğrencilerin STEM alanlarına yönelik kariyer ilgisine etkisini inceleyen sadece dört araştırmaya ulaşılmıştır. Bu sebeple, STEM eğitiminin K-12 öğrenim düzeyindeki öğrencilerin üst düzey düşünme becerilerine etkisini inceleyen araştırmaların dağılımı ve eğiliminin yanı sıra CMA programı ile meta-analizi ve moderatör analizi, R programı ile moderatörlerin önem analizi ve mevcut verilerin kombinasyonuyla gelecekte Türkiye'de yürütülebilecek araştırmalar için etki büyüklüğü temelinde tahmin analizi yapılmıştır. STEM eğitiminin K-12 öğrenim düzeyindeki öğrencilerin üst düzey düşünme becerilerine yüksek düzeyde etkide bulunduğu tespit edilmiştir (d=1,136). Yaş, disiplin, STEM eğitiminin uygulanma süresi ve ülke değişkenlerinin STEM eğitiminin K-12 öğrenim düzeyindeki öğrencilerin üst düzey düşünme becerileri etkilemede önemli değişkenler olduğu anlaşılmıştır. STEM eğitiminin K-12 öğrenim düzeyindeki öğrencilerin üst düzey düşünme becerilerine etkisinde moderatörlerin önem düzeyinin sırasıyla yaş, disiplin, STEM eğitiminin uygulanma süresi ve ülke olduğu sonucuna ulaşılmıştır. Ayrıca önem ve tahmin analizi sırasında mevcut veriler arasındaki tutarsızlıktan hareketle eğitim bilimleri alanındaki çalışmaların perde arkasındaki sosoyolojik, pedagojik, psikolojik faktörler düşünülerek farklı değişkenler temelinde yürütülmüş araştırmalara ihtiyacın olduğu anlaşılmıştır. STEM eğitiminin K-12 öğrenim düzeyindeki STEM alanlarına yönelik kariyer ilgisine etkisini inceleyen araştırmalar incelendiğinde örneklem grubunun ortaokul öğrencileri olması ve STEM eğitiminin fizik disiplininde yürütülmesi dikkat çekmiştir. Anahtar sözcükler: STEM eğitimi, üst düzey düşünme becerileri, STEM alanlarına yönelik kariyer ilgisi, sistematik derleme, meta-analiz, veri madenciliği, rastgele orman algoritması.
Omuz egzersizlerinin RGB-D verisi kullanılarak gerçek zamanlı kestirimi için sanal egzersiz sistemi
Omuz ağrısı ve rahatsızlık çok yaygın olarak görülen ve ciddi problemlerdir. Omuz tedavisi yapılandırılmış ve tekrarlayan bir programdan yararlanır. Geleneksel fiziksel rehabilitasyon programlarında, hastalar sıklıkla fizyoterapistin hareketi öğretmesine takiben aralıklı geri bildirim ile egzersiz yaparlar. Bununla birlikte, evde yapılan rehabilitasyonda, hasta fizyoterapist tarafından herhangi bir geri bildirim almamaktadır. Bu, tedavi sürecinde kesintiye, yanlış tedaviye ve hatta kendi kendine yaralanmasına neden olabilir. Bu çalışma, Omuz Terapileri için Sanal Egzersiz Sistemi (ViTES), bağlılığı arttırıcı terapi uygulamaları ve omuz rehabilitasyonu için hasta motivasyonunu sağlamak için umut verici yeni bir araç olarak önerilmektedir. ViTES, kullanıcıları eğitebilir ve gelen RGB-D veri akışından gerçek zamanlı tanıma ile eş zamanlı olarak egzersiz performanslarını değerlendirebilir. Çalışma kapsamında ViTES ile kullanılan öğrenme modelini oluşturmak için V-Shoulder veriseti de oluşturuldu. Veri seti, toplam 7 farklı omuz tedavisi egzersizinin 739 egzersiz örneğinden oluşmakta ve Kinect RGB-D sensörü kullanılarak oluşturulmuştur. ViTES'in kullanılabilirliğini ve etkinliğini iki bölümden oluşan bir kullanıcı çalışması ile doğrulanmıştır. Kullanıcıların ViTES'i kısa bir anket aracılığıyla değerlendirdiği birinci bölümde, sistem tüm kullanıcılardan olumlu görüşler almasına ek olarak kullanıcılar sistemin kullanımının kolay olduğu bildirimini vermiştir. İkinci bölümde, V-Shoulder verisetinden öğrenilen veri madenciliği modeline göre, ViTES tarafından otomatik olarak analiz edilen omuz egzersiz hareketlerinin benzerliklerini karşılaştırıldı. Sonuçlar, ViTES'in geleneksel fizyoterapi sürecini tamamlamada yararlı bir araç olma konusunda dikkate değer bir potansiyele sahip olduğunu göstermektedir.
No-SQL veritabanları üzerinde bir metin madenciliği uygulaması
Büyük veritabanlarında dağınık bulunan bilgileri anlamlandırmak veya ilişkilendirmek pek kolay olmamaktadır. Projede metin madenciliğinin temel kategorileri olan sınıflandırma, birliktelik analizi, bilgi çıkarım ve kümeleme işlemleri dikkate alınarak dağınık yapıda bulunan verilerin NoSQL MongoDB üzerine aktarılması sağlanacaktır. Metin madenciliği için kullanılacak yapay zeka algoritmalarının NoSQL üzerinde verinin anlam kazanma sürecinde performans ölçümleride dikkate alınacaktır.
Veri madenciliği yöntemleri ile ülkeleri gelişmişlik ölçütlerine göre kümeleme üzerine bir uygulama
Bir amaç doğrultusunda elde edilen verilerden anlamlı sonuçlar çıkarılması işlemine veri madenciliği denir. Kümeleme analizi de veri madenciliği alanında sıklıkla kullanılmaktadır. Bu tez çalışmasında öncelikle kümeleme analizi kavramları açıklanmıştır. Çalışmada kullanılacak algoritmalar tanıtıldıktan sonra Dünya Bankası 'nın web sitesinden elde edilen verilere bu algoritmalar uygulanmıştır. Bu çalışmada amaç, önceden belirlenmiş parametreler göz önüne alınarak ülkelerin gelişmişlik ölçütlerine göre kümelenmesidir. Çalışma kapsamında 214 ülkeye ait 2015 verileri ele alınmıştır. Bu verilere Self Organizing Map ve K-Means kümeleme algoritmaları uygulanmış, sonrasında da elde edilen kümeler değerlendirilmiştir. Ayrıca ülkemizin bu kümelerdeki konumu da incelenmiştir.
Sosyal ağlarda pazarlama – fırsatlar riskler L'oreal Paris markası örneğiyle, Türkiye'deki sosyal medya kanallarının kurumsal varlık üzerindeki etki uygulama analizi
Milenyumla birlikte kullanıcı sayısı her geçen gün artan sosyal medya mecraları şirketlerin pazarlama stratejilerinin ayrılmaz bir parçası haline gelmiştir. Semantik web ve veri madenciliği üzerine kurulan yeni sosyal medya mecraları, başarılarını kullanıcılarını çok iyi tanıyor olmasına ve kullanıcıların ilgi alanlarını çok iyi tespit ediyor olmasına borçludur. Neredeyse dünyanın üçte birinin sosyal medya mecralarında her gün aktif olarak gezdiği bilinmektedir. Böylesine aktif olarak kullanılan mecraların markalar tarafından kullanılması kaçınılmaz bir hale gelmiştir. Markaların sosyal medya mecralarında bulunmasının en net sebebi; kar oranlarını artırmak istemeleridir. Kısacası kullanıcılar üzerinden kazanç sağlayabilmektir. Markaların kullanıcılar ile olan iletişimine değinmiş olduğumuz bu çalışmada, şirketlerin müşterileri ile olan sosyal medya iletişimi stratejilerine ve müşterilerine sosyal mecralarda dokunmalarına değinilmiştir. L'oreal Paris kozmetik dünyasının önde gelen şirketlerinden birisidir. Kozmetik ürünlerinin sosyal medya mecraları üzerinden pazarlanmasına detaylı olarak değinilen bu çalışmada, ilgili markanın sosyal medya kanallarının strateji ve kısmi içerik analizine yer verilmiştir. Anahtar Kelimeler: Sosyal Medya, Sosyal Ağlarda Pazarlama, Sosyal Medya Kanalları, Sosyal Medya Stratejileri
Karbon ayak izinin zaman serisi veri madenciliği yöntemleri ile tahmini: Türkiye örneği
Sürdürülebilir bir dünya için, iklim değişikliği ile mücadelede atılacak en büyük adım insani faaliyetlerden kaynaklanan emisyonu azaltmaktır. Bu sebeple dünyaya salınan karbon emisyonunun ölçüsü olarak kabul edilen karbon ayak izinin azaltılmasına yönelik çalışmalar önem arzetmektedir. Bu doğrultuda yapılan çalışma, Türkiye'nin gelecek dönem sera gazı emisyon oranlarının tahminini içermektedir. Çalışmada Türkiye'nin 1990-2017 yıllarına ait nüfus, gayri safi yurt içi hasıla, enerji üretimi ve enerji tüketimi parametreleri kullanılarak sera gazı emisyon oranlarının zaman serisi veri madenciliği yöntemlerinden Lineer regresyon, Çok katmanlı algılayıcı ve Sıralı en düşük optimizasyon(SMOreg) algoritmaları ile tahmini gerçekleştirilmiştir. Yapılan tahminlerden hata istatistikleri en küçük olan ve gerçek değerlere en yakın değerleri veren SMOreg algoritması kullanılarak 2018-2030 yılları arasındaki sera gazı emisyon oranı tahmini yapılmış ve yapılan analiz sonucunda Türkiye'nin günümüzdeki seyrini devam ettirdiği sürece sera gazı emisyon miktarının kademeli olarak artarak 2030 yılında 728.301 metrik ton CO2 eşdeğerine ulaşacağı bulgusuna erişilmiştir. İklim değişikliği ile ilgili uluslararası sözleşmelerin çoğunda yer alan Türkiye için ulaşılan tahmin değerleri, Paris iklim sözleşmesinde taahhüt edilen oranın altındadır. Bu durum Türkiye için umut verici olarak değerlendirilse de yapılan diğer çalışmalardaki tahminler göz ardı edilmeden, politika yapıcıların bu doğrultuda politika belirlemesi gerektiği düşünülmektedir.
Fotovoltaik enerji sistemleri için öngörü modellerinin geliştirilmesi: Veri madenciliği ve derin öğrenme yaklaşımları
PV enerji sistemleri, dünya çapında önde gelen yenilenebilir enerji sistemlerinden biridir. PV enerji üretiminin doğru bir şekilde tahmin edilmesi verimli enerji şebekelerinin korunması, enerji piyasasında bilinçli kararlar alınması ve bakım maliyetlerinin azaltılması açısından çok önemlidir. Güneş ışınımı ve sıcaklık, PV tesislerinde üretilen PV enerji miktarını doğrudan etkileyen iki meteorolojik değişkendir. Bu tez çalışmasının ilk aşamasında Harran Üniversitesi Güneş Enerji Santrali ve GAPYENEV Merkezi'nden alınan santral ve meteoroloji istasyonu verileri üzerinde IBK, LR, RF, RT, MLP ve MLP Regresyonu dahil olmak üzere çeşitli makine öğrenmesi yöntemleri kullanılarak güneş ışınımı ve sıcaklığın tahmin edilmesi için kapsamlı bir model oluşturulmuştur. Sonrasında zaman serileri analizi için SES, ETS, HOLT, ARIMA ve HWES kullanılarak öngörü modelleri oluşturulmuştur. Hem güneş ışınımı hem de sıcaklık için günlük tahminlerin yanı sıra 5 dakikalık aralıklarla 1 adım sonrası için tahminler gerçekleştirilmiştir. PV tahmini için hassas modeller oluşturmak amacıyla her iki değişkeni de aynı metodolojiye tabi tutmak çok önemlidir. Güneş ışınımı ve sıcaklık tahmin değerleriyle elde edilen enerji verimi, PV enerji santralinin gerçek enerji verimiyle karşılaştırmıştır. PR, PV tesis performansını değerlendirmek için kritik bir parametredir, bu nedenle PR hesaplaması yapılmıştır. Oluşturulan tüm makine öğrenmesi ve zaman serisi öngörü modellerinin RMSE, MAPE, MABE, MAE, MSE ve DAC gibi istatistiksel hata kriterlerine göre karşılaştırılması yapılarak detaylı analizi sunulmuştur. İkinci aşamada, derin öğrenme ile güneş ışınımı öngörü modelleri oluşturulmuştur. Toplanan yenilenebilir enerji verilerinin miktarı arttıkça ihtiyaç duyulan büyük veri analizi çözümlerinin elde edilmesinde derin öğrenme giderek daha önemli hale gelmektedir. Bu bağlamda, bu tez çalışmasında güneş ışınımı tahminine yönelik CNNve LSTM ağını içeren derin öğrenmeye dayalı hibrit bir model önerilmişve mevcut PV sistemleri üzerinde öngörü modelleri uygulanmıştır. Ayrıca, önerilen modellerin tahmin yeteneği, SVR ve FFNN gibi standart makine öğrenmesiyöntemleriyle karşılaştırmalı olarak değerlendirilmiştir. Modellerin tahmin yeteneğini ölçmek için RMSE, MAPE, MAE ve R2 gibi istatistiksel hata metrikleri kullanılmıştır.
Emotion recognition on static images using transfer learning and ensembling
Emotion recognition may be useful in any area where human and computer interacts. CNNs are known to be good at computer vision tasks. However, CNNs are difficult to train, especially when the amount of data and computation power is limited. Transfer learning emerges as a cheap and efficient way of making use of pre-trained CNN classifiers. Our work has two contributions. Firstly, different CNN architectures and models trained using different datasets are investigated to find a suitable model to use in emotion recognition. Secondly, expert models for each emotion are trained. The Base model is ensembled with expert models to create a better classifier. Experiments show that our use of ensembling together with transfer learning helps to create a good classifier. Best classifier shows 69.49% accuracy on FER13 validation set.
Pre-release forecasting of imdb movie ratings using multi-view data
Internet users are no longer the ones who only follow the content, but at the same time they have become the ones who create the content itself. Especially, the social media has become a crucial part of everyday life. This results in having a huge digital footprint for the people on the internet either willingly or unintentionally. People provide enormous data such as thoughts on the current issues, comments on an owned product, opinions about a recently released movie, experiences about the visited places, the political views, and so much more different topics thanks to sharing almost everything on these social media platforms. The existence of such large-scale data attracts many researchers from different areas in order to produce useful outcomes by analyzing it. If such an analysis system is designed properly, it could produce more accurate and precise results than the traditional methods like analyzing the output of the surveys using statistical techniques. These systems could be used in everyday fields such as predicting the urban traffic, detecting the news popularity, the likability of a new product coming onto the market, as well as in the fields like financial sector and politics. Making inferences using such systems have become quite important also for the ever-growing film industry. The film industry has a very important share in the global market, with billions of dollars revenue per year. Therefore, it is very important to increase the profit by predicting the movie success before its release. However, most of the total revenue is generated by the only a very low percentage of films. This also means that most films make a loss. In such a billion-dollar industry, it becomes very significant to make a profitable film. From the film industry's point of view, achieving the knowledge of which factors make a film high grossing is very crucial. Detecting those factors before the release of the movie could help the film producers and the other decision-making people to make more appropriate decisions such as deciding the theater's count in which the movie plays or increasing the promotions to raise the revenue. For instance, it could be expected that the revenue will increase if more theater rents for a movie that is predicted to become successful since more audience could watch this movie. On the contrary, deciding to rent less theater for a movie predicted to become unsuccessful could help to reduce the loss. For all these reasons, predicting the box office gross, hence the success of a movie is a very important step in the film industry. It could be assumed that there is a correlation between the box office gross and movie success. As the success of the film increases, the box office gross also increases. However, this prediction is very challenging because it is difficult to distinguish the factors making a movie successful, and detecting the people's opinion is a very subjective issue. Such predictions could be made by using traditional methods like the Hollywood Stock Exchange. However, these conventional methods are incapable to carry out such a complicated task. Recent studies showed that data mining and machine learning methods yield more accurate results. Thus, forecasting the success of a pre-release movie has become an intriguing research area also for the computer scientists. Machine learning is a computer science field to improve performance on a specific task using existing data, which is also called training data. The aim is to create mathematical models to make inferences from these past experiences. Machine learning heavily makes use of the methods from statistics in order to build these models. In other words, machine learning involves the optimization processes of the parameters of these mathematical models using the training data. Most of the time machine learning is associated with data mining. Data mining is the application of machine learning methods on large datasets. There is a wide range of application fields of data mining, from detecting the frauds in the finance sector to predicting the house prices for real estate agents; from the medical researches to autonomous vehicles. Predicting movie success for the film industry is one of these various fields too. Predicting the audience ratings of movies before their releases underlies this study. It could be also said that the aim of this study is to build an effective predictive model to solve this regression problem. It is a regression problem because the predicted movie audience rating value is a scalar value rather than a discrete value as in classification problems. Although there are different studies in this field, some of them only utilized from metadata of the movie, whereas recent studies focused on gathering these metadata with social media data to improve prediction results, it is still needed to make extensive analysis and increase performance for predictions. Also, many of the studies explored the box office prediction performance either treated it as a classification or regression problem. However, there were few studies on predicting the taste of movie audiences. Furthermore, many existing studies did not collect enough and recent data. This study aims to take previous studies a step further by finding a proper way to bring together different data sources and increasing the performance results by utilizing different machine learning methods such as Factorization Machines. In this study, it is aimed to explore the use of Factorization Machines in order to predict movie success by predicting IMDb ratings of newly released movies and compare it with different machine learning methods by combining movie metadata with social media data. Also, it is investigated which features have more impact on the movie rating prediction process and how these features coming from different data sources could be used together. Several prediction algorithms were used to solve the movie audience rating prediction problem and to compare the results with the proposed Factorization Machines approach. Linear Regression, Support Vector Regression, K-nearest Neighbors Regression, Multilayer Perceptron Regression, Random Forest Regression, and Gradient Boosting Tree Regression are the predictions algorithms that were used for comparison throughout this study. In this study, a novel approach was developed based on Factorization Machines which combines movie metadata with social media data in order to improve the prediction accuracy of movie ratings before its release. Factorization Machines are an extended version of factorization models. Factorization Machines could combine the advantages of typical machine learning approaches like Support Vector Machines and Linear Regression with factorization models in order to get rid of the drawbacks from these methods. Factorization Machines could be applied both classification and regression problems. There is not an existing dataset which includes the movie metadata and social media data as required. Also, there is not any framework to gather movie data from different sources. Therefore, a framework was developed to gather data from different sources and generate a custom database as the first step of this study. It becomes possible to gather more data by adjusting the input parameters like release date range, language, and region thanks to this framework. Many different data sources such as TMDb, IMDb, Twitter, and Wikipedia were used. These sources provide APIs in order to access their data with specific parameters instead of providing the data with easy-to-use certain text file formats. Therefore, different wrappers were developed for accessing these APIs throughout this study. In this study, it was also explored that how using different feature sets together affects the prediction performance, while exploring the effect of using Factorization Machines approach on this regression problem. Therefore, the features were grouped by their data sources, metadata and social media, and their data types, continuous and discrete values, in order to decide which group of data results in better performance. After all, 6 different feature sets were used to feed the models according to this grouping process. Multivariate Linear Regression is used in many previous studies since it is easy to implement and interpret. Therefore, Multivariate Linear Regression method is selected as the baseline method for performance comparisons with Factorization Machines. In order to calculate performance metrics, 10-fold cross-validation was used by randomly dividing the training data. The performance metrics were calculated as the average of the metrics from these folds. The mean square error (MSE) and coefficient of determination (R2 score), both are the most common performance evaluation metrics, were used as the performance metrics. The best performance metric was achieved an MSE 1.19 and R2 score 0.88 by using the Factorization Machines approach with both continuous and discrete features together for movie metadata and social media. Although there is an improvement by using Factorization Machines approach compared with Linear Regression approach, it is still needed to be enhanced. The experimental results show that Factorization Machines approach increases the performance using continuous and discrete metadata features together. The combination of movie metadata and social media data slightly changes the performance for predicting movie rating outcomes. Factorization Machines approach has also promising results for movie rating prediction as it can characterize latent factors for movie metadata and social media data. Our proposed method improves the prediction accuracy compared to the traditional methods.
Makine öğrenmesi yaklaşımı ile e-ticaret sitesi uygulamalarının müşteri yorumlarına yönelik duygu analizi
Bu tez çalışmasında, başta kullanıcılar olmak üzere e-ticaret platformlarının yapımcıları için de fayda sağlamak amacıyla, doğal dilde yazılmış ürün veya hizmet yorumlarından özet bilgi çıkaran bir sistem tasarlamak amaçlanmıştır. Türkiye'de önde gelen üç büyük e-ticaret firmasının Google Play marketi üzerinden Python dili kullanılarak veri kazıma yöntemi ile elde edilen kullanıcıların yorumlarından yola çıkılarak yorumların, Python dili kullanılarak Google Colab platformu üzerinde duygu analizi gerçekleştirilerek elde edilen bulgular sunulmuştur. Google Play üzerinde bu uygulamaların milyonlarca yorumu bulunmaktadır. Bu yorumlar, uygulamanın yapımcılarına ve kullanıcıya çok değerli bilgiler sunmaktadır. Bunlar, şirket hakkında olumlu-olumsuz yorumlar, kargo şikayetleri, ürün memnuniyetleri ve hatta uygulama hatalarını bile içerebilmektedir. Tez çalışması kapsamında ve sonucunda elde edilen tüm veriler duygu analizi, makine öğrenmesi yöntemleri ile analiz edilerek sonuçlar uygulamalar açısından karşılaştırılmıştır.