Atıf Sayısı
5
Görüntüleme
13
İndirme
10
Sosyal medya kullanımı gün geçtikçe artmakta ve beraberinde birçok yeni problemi de getirmektedir. Kişilerin düşünce, duygu ve fikirlerini kolaylıkla paylaşabildiği bu ortamlarda aşağılayıcı ve rencide edici saldırılarda bulunan hesaplara son zamanlarda sıkça rastlanmaya başlanmıştır. Siber zorbalık (cyberbullying) olarak adlandırılan bu durum ve eylemi yapan trol hesapların insanların bireysel ve sosyal yaşantılarına verdiği zararların engellenmesi bir ihtiyaç haline gelmiştir. Bu tür kullanıcıların mesajları insanları rahatsız etmekte ve sayıları takip edilemeyecek miktarlara ulaştığı durumlarda yazılımlar ile tespit edilmesi, gerektiğinde engellenmesi ve sınırlandırılması gerekmektedir. Biz bu çalışma ile Twitter üzerinde trol davranışları sergileyen kullanıcı hesaplarını tespit etmek için makine öğrenmesi yöntemlerini kullandık. Support Vector Machine (SVM), Logistic Regression (LR) ve Random Forest Regression (RFR) ile Twitter üzerinden topladığımız veriler ile trol kullanıcıların mesajları üzerinden çıkardığımız özellikler (features) ile kapsamlı deneyler gerçekleştirdik. Elde ettiğimiz sonuçlarda %93.93’lere varan oranlarda trol hesaplarını tespit etmeyi ve engellemeyi başardık.
The use of social media is increasing on a daily basis and brings many new problems with it. In these environments where people can easily share their thoughts, feelings, and ideas, the accounts in humiliating and scary attacks have recently started to be frequently found. This situation, called cyberbullying, and the action of troll accounts has become a need to prevent the damage to the individual and social lives of people. These kinds of users need to be detected, blocked and restricted by software in cases where the messages are disturbing people and the numbers reach the amounts that cannot be traced. We used machine learning methods to identify user accounts that show trol behaviors on Twitter with this study. Support Vector Machine (SVM), Logistic Regression (LR) and Random Forest Regression (RFR) have conducted extensive experiments with the data we gather through Twitter and the features we extract through trol users’ messages. In the results we obtained, we managed to identify and block troll accounts at a rate of 93.93%.
Alan : Fen Bilimleri ve Matematik
Dergi Türü : Ulusal
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
