Mikrobloglarda içerik madenciliği

Web 2.0 ile birlikte kullanıcılar sosyal ağlarda ilgi alanlarını, düşüncelerini, başka kullanıcıların yazılarını veya gündelik aktivitelerini takipçileriyle paylaşabilmektedir. Kullanıcılar paylaştıkları içeriklerle birbirleriyle etkileşim içerisindedir. Sosyal ağların alt uygulama alanı olan mikroblog uygulamalarının en popüler olanı Twitter'dır. Twitter kullanımı son yıllarda oldukça popüler olmasından dolayı Twitter üzerindeki büyük ölçekte işlenmemiş veri bulunmaktadır. Mikrobloglar üzerine yapılan çalışmalar genellikle değerli içerik giren kullanıcıların belirlenmesi ve kullanıcıların kategorizasyonuyla ilgili çalışmalardır.Tez kapsamında amacımız kategori bilgileri wefollow.com uygulamasıyla elde edilmiş haber içeriği giren kullanıcıların ve normal kullanıcıların içeriklerinin kategorilerini ne ölçüde temsil ettiğini belirlenmektir. Sistem eğitim ve test aşamasından oluşmaktadır. Eğitim verisi olarak ekonomi, spor, teknoloji ve eğlence kategorilerine ait 3337 haber RSS haber beslemesi kategori kullanılmıştır. Test aşamasında ise normal kullanıcı ve haber içeriği giren kullanıcıların içerikleri (tvitleri) test verisi olarak kullanılmıştır.Benzer çalışmalardan farklı olarak Twitter kullanıcılarının içeriklerine ait özellikler RSS haber beslemelerinde yer aldığı takdirde içerik özelliği olarak alınmış, aksi durumda özellikler değerlendirmeye katılmamıştır. Sadece eğitim aşamasında elde edilen özelliklerin test verisi olarak kullanılan kullanıcı içeriklerinde aranmasıyla mikrobloglarda karakter sınırı yüzünden çokça kullanılan anlamsız kısaltma ve kelimelerin elenmesi amaçlanmıştır.Performans değerlendirme sonuçlarına göre haber içeriği giren kullanıcıların (botlar) içerikleri normal kullanıcı içeriklerine oranla daha başarılı kategorize edildiği gözlemlenmiştir. Aynı zamanda hem normal kullanıcı hem de haber içeriği giren kullanıcılarından en başarılı sınıflandırma sonuçları spor alanında içerik giren kullanıcılarından en başarısız sınıflandırma sonuçları ise teknoloji alanında içerik giren kullanıcılardan elde edilmiştir.Öngörülen sistem aynı zamanda eğitim ve test aşamasında sadece tvitlerin kullanıldığı modelle de karşılaştırılmıştır. Sınıflandırma performans sonuçlarına göre öngörülen sistemin başarı oranları sadece kullanıcı içerikleri kullanılarak oluşturulmuş sistemin başarı oranlarından yüksek çıkmıştır.