Siber zorbalık, internet teknolojisinin gelişimi ve sosyal ağlara erişim kolaylığı ile birlikte büyük bir problem haline dönüşmüştür. Bir kişi veya grup tarafından gerçekleştirilen siber zorbalık, başkalarını taciz etmek için bilgi ve iletişim teknolojilerinin kullanılması anlamına gelir. İntihar ile sonuçlanan siber zorbalık vakaları siber zorbalık tespitini önemli hale getirmiştir. Bu çalışmada günümüzde yaygın olarak kullanılan Twitter, Instagram ve Youtube sosyal ağlarından toplanan Türkçe yorumlar üzerinde siber zorbalık tespiti yapılmıştır. Derin öğrenme tabanlı kelime gömme modelleri kullanılarak sınıflandırma modelleri oluşturulup başarı oranları karşılaştırılmıştır. En yüksek başarı oranı elde eden Fasttext modeli ile LSTM sinir ağı kullanılarak sosyal medya yorumlarının sınıflandırılması sağlanmıştır.
Cyber harassment has become a major problem with the development of internet technology and the ease of access to social networks. Cyber harassment by a person or group means the use of information and communication technologies to harass others. Cybersecurity cases resulting in suicide have made the detection of cyber harassment important. In this study, cybersecurity was detected on Turkish comments collected from Twitter, Instagram and Youtube social networks that are widely used today. Graduate learning-based word burial models are created and success rates are compared. With the fasttext model with the highest success rate, the classing of social media reviews is provided using the LSTM nerve network.
Cyberbullying has become a big problem with the development of internet technology and ease of access to social networks. Cyberbullying is by a person or group refers to the use of information and communication technologies to harass others. Cyberbullying cases resulting in suicide have made the detection of cyberbullying important. In this study, cyberbullying was detected on Turkish comments collected from Twitter, Instagram and Youtube social networks, which are widely used today. Classification models were created using deep learning-based word embedding models and success rates were compared. The classification of social media comments was achieved by using the Fasttext model, which achieved the highest success rate, and the LSTM neural network.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|