Past, present, and future on news streams: discovering story chains, selecting public front-pages, and filtering microblogs for predicting public reactions to news

Haber akışlarında olayların geçmiş, şimdiki ve gelecek zamanı ile ilgili birçok araştırma imkanı bulunmaktadır. Geçmiş zaman olayların ve aktörlerin ilişkileri barındırmakta; şimdiki zaman haber okuyucularının ihtiyaçlarını yansıtmakta; gelecek zaman ise tahmin edilmeyi beklemektedir. Bu tez, bahsedilen üç zaman dilimiyle ilgili şu bölümlerden oluşmaktadır: Geçmişte zikzaklı arama yaparak haber zincirlerini keşfetmekte, günümüz haberlerinden genel amaçlı anasayfa oluşturmakta ve mikroblog yazılarını toplumsal olay tahmini için haberlere göre filtrelemekteyiz. İlk bölümde, verilen bir haber yazısına göre bir koleksiyon içerisinden haber zincirlerini keşfeden bir çerçeve geliştirmekteyiz. Haber zinciri, farklı haber yazılarının bir araya gelmesiyle oluşmakta ve farklı olayların nasıl bir araya geldiğini ortaya çıkarmaktadır. Geliştirdiğimiz çerçeve yöntem birbirini tamamlayan şu üç bölümden oluşmaktadır. i) Koleksiyonun taranması, ii) zincir ile zincire eklenecek aday arasındaki benzerliğin hesaplanması ve iii) haber yazıları arasındaki benzerliğin hesaplanmasıdır. Tarama işlemi için, güncellenen zincire göre önceki dokümanları tekrar inceleyen zikzaklı arama yapan yeni bir metin madenciliği yöntemi uygulamaktayız. Haber yazıları arasındaki ilişkilerin ortaya çıkarılması için ise haber aktörlerinin sosyal ağından faydalanmaktayız. Etkinliğin dört farklı yöntem—ilgi, kapsam, ahenk ve ilişkilerin keşfi—açısından değerlendirildiği iki kullanıcı araştırması yapmaktayız. İlk kullanıcı araştırması çerçeve yöntemin farklı versiyonlarını kıyaslayarak kullanıcılara bir rehber oluşturmaktadır. İkincisi ise çerçeve yöntemi üç altçizgi yöntem ile kıyaslamaktadır. Sonuçlara göre yöntemimiz ikili kıyaslamaların %61'inde, orta ya da büyük etki boyutunda istatistiksel anlamda farklı olacak şekilde, etkinliğin iyileşmesini sağlamaktadır. Öteki kıyaslamalarda herhangi bir altçizgi yöntemi bizim yöntemimizi istatistiksel olarak geçememektedir. İkinci bölümde, tıklama sayıları gibi meta-özellikler kullanmadan, sadece düz metin kullanarak haberler için toplumsal anasayfa seçmekteyiz. Anasayfa haber seçimi, haber toplayıcılarında önemli haberlerin bulunmasıdır. Anasayfaların uzunluğu ve seçilen haberlerin önemi ve çeşitliliği beraber düşünülerek yeni bir algoritma geliştirilmektedir. Haberlerin önemini, çeşitliliği de sağlamak amacıyla, konu başlığı modelleme yöntemiyle tahmin etmekteyiz. Önemli dokümanları daha sonra önemli konu başlıklarından, anasayfa uzunluğunu dolduracak şekilde öncelik-tabanlı bir method ile seçmekteyiz. Etkinliğin ve çeşitliliği bir kullanıcı araştırmasıyla ölçmekteyiz. Sonuçlara göre haber yazılarının 10 tanesinin en çok yedi tanesi önemli bulunmakta, dokuz tanesi ise farklı konu başlıklarından gözükmektedir. İleride yapılacak araştırmalara yol göstermesi için genel amaçlı anasayfa seçimindeki zorluklardan da bahsetmekteyiz. Üçüncü bölümde ise haber olaylarına karşı ileride gerçekleşecek toplumsal tepkiyi tahmin etmekte kullanılabilecek filtreleme işlemini gerçekleştirmekteyiz. Twitter gibi mikroblog ortamları, toplumun görüşlerini ortaya çıkarmasıyla gün geçtikçe daha fazla önem kazanmaktadır. Terör olayları gibi 2015 ve 2017 yılları arasında gerçekleşmiş olayı ve bu olaylar sırasında atılan tweet'leri içeren BilPredict-2017 adında yeni bir toplumsal tepki veri setini geliştirmiş durumdayız. Önemli kelimelere göre tweet'leri filtrelemekte ve bunları çeşitli özelliklere göre analiz etmekteyiz. Sonuçlar, frekans, duygusallık, yer ve zaman özelliklerinin haber olaylarının doğasını yansıttıklarından dolayı gelecek tahmininde yararlanılabileceklerini göstermektedir.