Metin madenciliğinde kullanılan yöntemlerin karşılaştırılması: Siyasi parti liderlerinin grup genel toplantı konuşmaları ile bir uygulama

İletişim ve bilgisayar teknolojilerindeki gelişmelere paralel olarak, insanlar daha fazla bilgiye erişim olanağı bulmuşlardır. Bilginin çok kısa sürede toplanması, depolanması, işlenmesi ve bilgiye dönüştürülüp yeniden istenilen birimlere aktarılması ihtiyacı yeni disiplinlerin ortaya çıkmasına neden olmuştur. Metin madenciliği bu yeni disiplinlerin doğuşuyla ortaya çıkan bilgi analiz yöntemlerinden biridir ve yapısal olmayan verilerden yani metinlerden anlamlı ve kullanılabilir bilgilerin çıkarılması için metinin çeşitli istatistiksel yöntemlerle analiz edilmesini amaçlamaktadır.Bu çalışmanın amacı, metin madenciliğinin her aşamasında kullanılan dilbilgisel ve istatistiksel teknik ve algoritmaların incelenmesi ve karşılaştırılması, ayrıca sınıflandırma algoritmaların metin madenciliği uygulamalarında gösterdiği performansın incelenmesidir. Çalışmada metin madenciliği uygulaması olarak, siyasi parti liderlerinin yaptığı grup genel toplantı konuşma metinlerinin sınıflandırılması için gerekli analiz ve sonuçlarına yer vermiştir. Bu amaç doğrultusunda Türkiye'deki üç büyük siyasi parti liderine ait 10'ar konuşmanın yer aldığı 30 adet konuşmadan oluşan veri seti kullanılmıştır. Özellik çıkarımı tekniklerinden gövdeleme yöntemi, grup genel toplantı konuşmaları kullanılarak elde edilen 2-gramlar ve 3-gramlar, kelime kümeleme yöntemlerinden K-Means algoritması gibi dilbilgisel ve istatistiksel özellikler kullanılarak 8 farklı özellik vektörü oluşturulmuştur ve bu özellik vektörleri frekansa göre ve terim frekansı x ters doküman frekansı ağırlıklandırma yöntemlerine göre ağırlıklandırılmıştır. Makine öğrenmesi yöntemlerinden olan Naive Bayes, Destek Vektör Makinesi, K-En Yakın Komşuluk Algoritması ve Karar Ağaçları algoritmaları kullanılarak her bir özellik vektörünün sınıflandırmadaki başarıları karşılaştırılmıştır.Çalışmanın sonuçlarına göre, en başarılı sınıflandırma algoritması Naive Bayes ve Destek Vektör Makinesi algoritmalarıdır. Dokümanların sınıflandırılmasında, grup genel toplantı konuşmaları kullanılarak elde edilen 2-gramların ve K-Means algoritması ile elde edilen özellik vektörlerinin konuşmaları sınıflandırma üzerinde daha başarılı sonuçlar ürettikleri görülmüştür.Anahtar kelimeler: Metin Madenciliği, N-gram, Vektör Uzay Modeli, Naive Bayes, Metin Madenciliği Uygulamaları