Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 Görüntüleme 17
 İndirme 3
Siber Zorbalık Tespiti için Makine Öğrenmesi ve Derin Öğrenme Çalışmaları
2023
Dergi:  
Savunma Bilimleri Dergisi
Yazar:  
Özet:

Toplumdaki internet devrimi, sosyal medya kullanımı gibi günlük hayatımızda çeşitli etkilere sahiptir. Sosyal medya, hayatımızın her alanında kullanılıyor ve bazı alanlarda çok avantajlı olsa da, günümüz dünyasında giderek daha fazla ortaya çıkan yeni bir konuyu da beraberinde getiriyor. Bu yeni konu, Siber Zorbalık, utanç, suçluluk veya aşağılanma duygularına neden olan içerikler göndererek veya paylaşarak birine zarar vermeyi içerir. Sahte kimlikle kolayca sahte sosyal medya hesapları oluşturmak, siber zorbalık olaylarını daha da artırmakta ve siber zorbaları teşvik etmektedir. Siber zorbalık, insanları hem zihinsel hem de fiziksel olarak etkileyebilir ve kalıcı sorunlara yol açabilir. Ancak, bu alanda yapılan çalışmalar siber zorbalığın önlenebilir olduğunu göstermektedir. Bu çalışmada, siber zorbalığı tespit etmek ve önlemek için makine öğrenmesi tekniklerini gözden geçiriyor, makine ve derin öğrenme modellerinin performanslarını değerlendiriyor ve modellerin performansını etkileyen faktörleri inceliyoruz. Ayrıca, siber zorbalık tespitinde veri ön işleme, sınıflandırma, öznitelik çıkarma ve seçme süreçlerinin önemini tartışıyoruz.

Anahtar Kelimeler:

Machine and Deep Learning Studies For Cyberbullying Detection
2023
Yazar:  
Özet:

The internet revolution in society has various effects on our daily life such as the use of social media. While social media is ubiquitous and great in some aspects, it brings a new issue that appears more and more in today’s world. This new issue, Cyberbullying, involves harming someone by posting or sharing content that causes feelings of embarrassment, guilt, or humiliation. Easily creating fake social media accounts with fake identity further increase cyberbullying incidents and encourages cyberbullies. Cyberbullying can affect people both mentally and physically and can lead to permanent problems. However, studies in this area show that cyberbullying can be prevented. In this study, we review machine learning techniques to detect and prevent cyberbullying, evaluate the performances of the machine and deep learning models, and examine factors that affect the performance of the models. We also discuss the importance of data preprocessing, feature extraction and selection, and classification processes in cyberbullying detection problems.

Anahtar Kelimeler:

Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler








Savunma Bilimleri Dergisi

Alan :   Mühendislik; Sosyal, Beşeri ve İdari Bilimler

Dergi Türü :   Ulusal

Metrikler
Makale : 305
Atıf : 1.277
2023 Impact/Etki : 0.179
Savunma Bilimleri Dergisi