Sosyal ağların popülerleşmesi ile birlikte sosyal medya ortamlarındaki veri akışı artmıştır. Verinin artması, yapısal olmayan veri miktarını arttırmış, dolayısıyla veriden anlam çıkarabilme yeteneği olan, otomatik olarak duygu analizi yapan karar destek sistemlerinin önemi artmıştır. Bu çalışmada sosyal ağlardan daha yararlı bilgilere ulaşmak, kişilerin bulundukları çevrede gitmeyi planladıkları mekânlar hakkındaki görüşlerini otomatik olarak yorumlamak amacıyla, metin madenciliği ve duygu analizi teknikleri uygulanarak bir karar destek sistemi geliştirilmiştir. Olumlu ve olumsuz görüşler gerçek zamanlı olarak belirlenmekte ve duygu analizleri otomatik bir şekilde yapılmaktadır. Metin madenciliği tekniklerinin uygulanması için gerekli olan veri setleri insanların dünya üzerinde herhangi bir şehirde yemek, içmek, alışveriş yapmak veya ziyaret etmek için mekânları bulmalarını sağlayan Foursquare sosyal paylaşım platformunda bulunan yorumlardan oluşturulmuştur. İngilizce için kullanılan duygu analizi yöntemlerinin Türkçede göstereceği tepkiler incelenmiş ve Türkçeye özel yeni bir yöntem geliştirilerek duygu analizi metotları ile birleştirilmiştir. İkili sınıflandırmada %81,97, üçlü sınıflandırmada ise %84,49 başarı oranı elde edilmiştir.

The increasing amount of data in social networks has complicated data processing and interpretation. Therefore, intelligent decision-support mechanisms that have the ability to automatically extract meaning from data and interpret the opinions of people in real time have become inevitable. In this study, an intelligent multilingual decision support system was implemented, and a new algorithm that employs text mining and sentiment analysis techniques was developed to automatically interpret the opinions of social network users about the places they plan to visit. The system can be used as a baseline for sentiment analysis in social networks and can be adapted to build new systems. In this study, we set our main focus on Turkish language and show the applicability of our approach for other languages through the experiments for English language. The dataset required for the implementation of text mining techniques was created based on the venue recommendations shared on Foursquare social media platform. As a result, a contribution was made to the way the social network users make decisions without reading thousands of recommendations. Our results show that the developed system achieves classification accuracy of 84.49% for Turkish and 95% for English. Finally, the most liked or disliked foods/beverages are correctly identified for 107 out of 128 venues.

ÖzDerin öğrenme, son zamanlarda insan hatalarını en aza indirmesiyle popüler olan yapay zekâ yaklaşımlarındandır. Derin öğrenme teknikleri birçok alanda büyük miktardaki veri kullanımı ile başarılı bir şekilde algılama, yorumlama yapabilme yeteneğine sahiptir. Özellikle görüntü işleme alanında birikmiş etiketli verilerdeki hızlı artış derin öğrenme algoritmalarına yönelmeyi zorunlu hale getirmiştir. Bu alanlardaki verilerin giderek artmasıyla büyük verilerden yararlı bilgiyi ayırmak ve metin, görüntü, ses dosyalarına anlam kazandırmak amacıyla derin öğrenme yöntemleri kullanılmaktadır. Son yıllarda, nesne tespiti ve nesne takibi alanında yapılan çalışmalarda artış görülmektedir. Videolar gibi durağan olmayan görüntüler üzerinde tespit ve analiz sonrasında takip edilecek olan bir nesne varsa anlamlı bilgiler çıkarmak daha zor olmaktadır. Bu gibi durumlarda derin öğrenme algoritmalarının kullanılması görüntü işleme problemlerinin kolaylıkla çözüme kavuşturulabilmesini sağlamaktadır. Bu çalışmanın amacı; derin öğrenme ile nesne tespiti ve takibi konusunda yapılan uygulamaları incelemek, son gelişmeleri anlatmak, popüler kütüphaneler, veri setleri, algoritmalar hakkında bilgi vererek bu alanda çalışacak olan araştırmacılara yardımcı olmaktır.

In recent years, the importance of social media data has increased with the developments in information and communication technologies, and data volume, velocity, variety, veracity, and value have been affected by these developments. Because of the popularity of social networks, the analysis of social media data has also become an important issue for large companies whose brand identity is very crucial. User comments, shares, and explanations in social networks can be used to obtain information about the brand and product. Besides, deep learning techniques, which have become popular recently and provide high accuracy, can be employed for big data analysis in social networks. The number of studies examining the brand image in social networks is quite limited. In this context, we developed a model that performs brand analysis using deep learning techniques in social networks by considering the Starbucks Coffee Company, one of the world's largest coffeehouse chains. We trained our model with Faster Region-based Convolutional Neural Network (Faster R-CNN), Single Shot Multibox Detector (SSD), Mask R-CNN, and You Only Look Once (YOLO) algorithms. We then tested the model on data from Instagram and compared the results. In the light of our results, we have shown that analyzes using deep learning techniques in social networks can significantly affect the image of companies and their brands.

No abstract