Makine öğrenimi kullanarak tweet popülerite tespiti için karşılaştırmalı bir çalışma

İnternet medyası günümüzde oldukça popüler durumdadır. Yazılı basın, her ne kadar popülerliğini tam olarak yitirmemiş olsa da, alternatif yollardan haber alabilmek ve pek çok farklı mecra üzerinden haber takip etmek internet kullanıcıları tarafından yapılabilmekte, bu durum da internet medyasının popülerliğini arttırmaktadır. İnternet medyasının önemli bir bacağını sosyal medya paylaşımları oluşturmaktadır. Bu sayede haberciler, büyük çoğunlukta okuyucuya erişim sağlayabilmektedir. Okuyucular ise sosyal medya üzerinden teyitli, medya kullanıcıları yardımıyla doğru habere erişim sağlayabilmektedirler. Tüm bu değişimler esnasında, internet medyası yöneticileri ve yazarları tarafından haberlerin ya da makalelerin kullanıcılara erişiminin sağlanması ve gördükleri ilgi oldukça önem arz etmektedir. Bu tez çalışmasında, teyitli haber organlarının Twitter üzerinden gerçekleştirdiği paylaşımların popülerliklerinin çeşitli makine öğrenme teknikleri yardımıyla tahmin çalışması yapılmış ve kullanılan yöntemlerden elde edilen sonuçlar karşılaştırılmıştır. Destek Vektör Makineleri, Lojistik Regresyon, Naive Bayes Sınıflandırıcı, K En Yakın Komşu Algoritması, Rastgele Orman ve Derin Pekiştirmeli Öğrenme (İkili Derin Q-Öğrenme) yöntemleri kullanılarak deneyler gerçekleştirilmiştir. Tez çalışmasında kullanılan yöntemlerden en iyi sonuçlar K En Yakın Komşu, Rastgele Orman ve derin pekiştirmeli öğrenme algoritması ile elde edilmiştir. Bu yöntemle elde edilmiş olan F1-skor 0.87 şeklindedir. En kötü F1-skor sonucuna ise Naive Bayes sınıflandırıcı ile ulaşılmıştır. Naive Bayes sınıflandırıcı 0.63 sonuç vermiştir. Radial Basis çekirdek fonksiyonu ile SVC için 0.88, Lineer SVC için 0.84, lojistik regresyon içinse 0.83 F1-skor sonucu elde edilmiştir.