KADES uygulaması hakkında kullanıcı yorumları üzerinden web madenciliği ve duygu analizi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Bilecik Şeyh Edebali Üniversitesi, LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ, İŞLETME ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: PAKİZE MERVE MARTTİN
Asıl Danışman (Eş Danışmanlı Tezler İçin): Gözde Koca
Eş Danışman: Özüm Eğilmez
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Ülkemizde kadına yönelik şiddetle mücadelede çeşitli uygulamalar ve platformlar aktif bir şekilde kullanılmaktadır. Bu çerçevede, bilgi teknolojileri ve acil durum hatları, devlet kurumları tarafından şiddetle mücadelede etkili birer iletişim aracı olarak ön plana çıkmaktadır. Bilgi teknolojileri alanında, İçişleri Bakanlığı ile Emniyet Genel Müdürlüğü'nün (EGM) iş birliğiyle geliştirilen Kadın Destek Uygulaması (KADES), güvenlik birimleriyle entegre çalışan güncel ve etkin bir uygulama örneği olarak dikkat çekmektedir. Bu tez çalışmasında, KADES uygulamasına ait kullanıcı yorumları veri madenciliği yöntemiyle elde edilmiş ve metin madenciliği teknikleriyle WEKA programında işlenmek üzere uygun hale getirilmiştir. Veriler, dengeli ve dengesiz olarak iki farklı veri grubu halinde düzenlenmiş ve Naive Bayes, KNN ve SMO algoritmaları kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Yorumlar, üç etiketli (pozitif, negatif ve nötr) ve iki etiketli (pozitif ve negatif) olarak sınıflandırılmış, her iki grup da dengeli ve dengesiz veri olarak ayrı değerlendirilmiştir. Analiz sonuçlarına göre, üç etiketli dengesiz verilerde %81.118 sınıflandırma doğruluğu ile SMO algoritmasının diğer sınıflandırıcılardan üstün olduğu görülmüştür. Üç etiketli dengeli verilerde ise Naive Bayes algoritması %83.890 doğruluk oranıyla iyi bir performans sergilemekle birlikte, SMO %84.246 doğruluk oranıyla en iyi sonucu vermiştir. KNN algoritmasının farklı k değerleri (k=1, k=3 ve k=5) kullanılarak yapılan değerlendirmelerde diğer algoritmalardan daha düşük performans gösterdiği belirlenmiştir. İki etiketli dengesiz verilerde %92.359 doğruluk oranıyla SMO, diğer yöntemlere göre daha başarılı bulunmuştur. İki etiketli dengeli verilerde Naive Bayes %90.988 doğruluk oranı ile başarılı sonuçlar elde etse de, SMO algoritması %95.928 doğruluk oranıyla en yüksek performansı sağlamıştır. Genel olarak, dengeli veri kullanıldığında sınıflandırma doğruluğunun arttığı gözlemlenmiştir.