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 25
 İndirme 6
Sosyal Ağlarda Topluluk ve Konu Tespiti: Bir Sistematik Literatür Taraması
2022
Dergi:  
Bilişim Teknolojileri Dergisi
Yazar:  
Özet:

Günümüzde internetin hızlı bir şekilde gelişmesi ve kolay bir şekilde ulaşılır olması; Facebook, Instagram, Twitter ve LinkedIN gibi yaygın kullanılan sosyal iletişim platformlarını büyük veri yığınlarının olduğu ortamlara dönüştürmüştür. Bu durum hem aranan bilgiye kolay bir şekilde ulaşılabilmesi için konu tespiti uygulamalarının, hem de konuyla ilgili paylaşım yapan benzer eğilim ve düşünceye sahip topluluklara toplu hizmet verebilmek için topluluk tespit uygulamalarının bu platformlarda kullanımını zorunlu hale getirmiştir. Bu yüzden araştırmacıların sosyal iletişim ağlarında konu tespiti ve topluluk tespiti alanları üzerine araştırmalar yapması ve problemin çözümü ile ilgili yöntem ve teknikler geliştirmesi bu ortamların etkin kullanımı açısından hayati bir önem arz eder. Bu çalışmada, bu alanlara kapsamlı bir bakış sağlamak için sosyal medya platformlarında konu ve topluluk analizi yapan çalışmalar üzerine sistematik ve derinlemesine bir literatür incelemesi sunulmaktadır. İncelemesi yapılacak çalışmaların çoğu uygulamada başarılı sonuçlar ürettiği bilinen makine öğrenmesi temelli modeller kullanan makalelerden seçilmiştir. Bu çalışmaların incelenmesi neticesinde; topluluk tespiti alanında elde ettiği performans değerleri ile Louvain metodunun öne çıktığı görülürken, performans açısından konu analizi alanında tek bir modelin önerilemeyeceği ve uygun modelin ancak verilen sorunun tüm özellikleri göz önünde bulundurularak, probleme özgü şekilde seçilmesi ya da oluşturulması gerektiği sonucuna varılmıştır.

Anahtar Kelimeler:

Systematic Literature Review Of Detecting Topics and Communities In Social Networks
2022
Yazar:  
Özet:

In the recent past and in today’s world, the internet is advancing rapidly and is easily accessible; this growth has made the social media platforms such as Facebook, Instagram, Twitter, and LinkedIn widely used which produces big data. This requires both topic Detection applications in order to access the required information, as well as community detection practices in order to provide collective services to communities that can be referred to as individuals with similar interests and opinions over the same subject. Therefore, it is vital for researchers to conduct research on topic detection and community detection research areas in social networks and to develop methods and techniques for problem-solving. In this study, a systematic and in-depth literature review is provided on studies that conduct topic and community analysis on social media platforms to provide a comprehensive overview of the given areas. Most of the studies to be analyzed are selected from articles using machine learning-based models that are known to achieve successful results in practice. As a result of the analysis of these studies; it has been concluded that a single model cannot be proposed in the area of topic detection and that the appropriate model should only be selected or created in a problem-specific way, taking into account all the characteristics of the given problem, while the Louvain method seems to stand out with its results in terms of performance in the area of community detection.

Anahtar Kelimeler:

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










Bilişim Teknolojileri Dergisi

Alan :   Eğitim Bilimleri; Fen Bilimleri ve Matematik

Dergi Türü :   Uluslararası

Metrikler
Makale : 443
Atıf : 3.255
2023 Impact/Etki : 0.458
Bilişim Teknolojileri Dergisi