Understanding users' neuro physical conditions for minimizing human oriented risks

Günümüzde akıllı cihazlar barındırdıkları sensorler vasıtasıyla kullanıcıları hakkında birçok veriyi toplamaktadırlar. Akıllı cihazları kullanan yüzmilyonlarca insan olduğu düşünüldüğünde toplanan bu veriler büyük bir IoT ağı ortaya çıkarmaktadır. Bu kadar büyük hacimli veriler, klasik veri saklama yöntemlerinin ötesinde büyük veri mimarilerine uygun bir şekilde veri merkezlerinde toplanmaktadırlar. Toplanan verinin analiz edilerek yorumlanması sonucu ortaya kullanıcılar hakkında kıymetli bilgilerin çıkartılması mümkündür. Günümüzün en aktif araştırma konularından bir tanesi duygu analizidir. Duygu analizi ile kişilerin belli konular hakkında düşünce ve duyguları anlaşılmaya çalışılır. Duygu analizinde genel yöntem metin analizi yöntemi ile kişilerin vermiş oldukları tepkileri anlamaya çalışmaktır. Bu tez kapsamında kullanıcıların duygusal durumlarının analizi farklı bir yöntem izlenerek yapılmaya çalışılmıştır. Kullanıcıların fiziksel özellikleri olan uyku, kalp atışı, hareketlilik vs. ile davranışsal özellikleri olan yazma ritmi algılama, yazı hata oranları gibi parametereleri toplanarak duygu durumlarının anlaşılmaya çalışıldığı bir model oluşturulmuştur. Çalışmanın literature en büyük katkılarından bir tanesi hem fiziksel hemde davranışsal kişi özelliklerini aynı anda analiz etmesidir. Diğer bir yenilik ise klasik makine öğrenmesi yöntemlerinin derin öğrenme algoritmaları ile birlikte kullanılarak zengin içerikli bir makine öğrenme yaklaşımının benimsenmesidir. Klasik makine öğrenme algoritmaları olarak Multinominal Naïve Bayes, Destek Vektör Regresyon, Karar Ağaçları, Rastsal Karar Ağaçları yöntemleri kullanılmıştır. Derin öğrenme algoritmaları olarak da İleri Yönlü Yapay Sinir Ağı (FFNN), Evrişimsel Sinir Ağları (CNN), Tekrarlayan Yapay Sinir Ağları (RNN), Uzun kısa-zaman hafızalı yapay sinir ağları algoritmaları (LSTM) kullanılmıştır. Sonuçlar Kollektif öğrenme (Ensemble Learning) algoritması kullanılarak tekilleştirilmiştir. Çalışma kapsamında 15 kişilik bir denek grubundan akıllı saatler ve özel bir mobil uygulama kullanılarak 1 sene boyunca bilgiler toplanmıştır. Toplanan bu bilgiler hem klasik makine öğrenmesi hemde derin öğrenme yöntemleri kullanılarak analiz edilmiştir. Analiz sonuçları algoritma bazında yorumlanmıştır.