Thesis Details

Investigation of text mining methods on Turkish text = Türkçe metinler üzerinde metin madenciliği yöntemlerinin incelenmesi

Authors:

Pasin, Ezgi

Publisher:

Dokuz Eylül Üniversitesi

Main Topics:

Mathematics

Document Type:

Thesis

Program Type:

Master

Publication Date:

12/2017

Document Language:

English

Document ID (Org No.):

2000288795

Descriptors:

STATISTICS

Abstract

Today, with the widespread use of the internet the size and value of the data have increased. Making meaningful information from large amounts of data is one step ahead for others and for companies. Various mining techniques must be applied to obtain meaningful information from the data. Data mining processes on structured data. Text mining is the sub-study area of data mining that works on texts. Text mining is the process of analyzing text to extract valuable information from text for special purposes. Before the text mining techniques are applied, the data must be prepared and pre-processed. Extracting meaningful information from texts, classifying text, and reaching the desired information in a short time increase the importance of text mining. Text classification is the process of deciding the class of the given text using the training documents for the predefined categories. The aim in thesis is to classify Turkish data as text. The categories were examined in three categories as `Gender Identification`, `Author Identification` and `Species Determination`. Naive Bayes method and the bit-score weighting k-NN method were used for classification. The accuracy rates of the two methods are compared. The R programming language is used for classification. In this thesis, a dataset consisting of Turkish columns was created to work on text classification.

Günümüzde internetin yaygın kullanılması ile birlikte verilerin boyutu ve değeri artmıştır. Büyük miktarlardaki verilerden anlamlı bilgi çıkarmak kişi ve firmalar için diğerlerinden bir adım öne geçmektir. Verilerden anlamlı bilgilerin elde edilmesi için çeşitli madencilik teknikleri uygulanmalıdır. Veri madenciliği yapısal veriler üzerinde işlem yapar. Veri madenciliğinin, metinler üzerinde çalışan alt çalışma alanı ise metin madenciliğidir. Metin madenciliği, özel amaçlar için metinlerden değerli bilgiler çıkarmak adına metnin analiz edilmesi işlemidir. Metin madenciliği teknikleri uygulanmadan önce verilerin hazırlanması ve ön işlemden geçirilmesi gerekmektedir. Metinlerden anlamlı bilgi çıkarmak, metni sınıflandırmak, aranan bilgiye kısa sürede ulaşmak metin madenciliğinin önemini arttırmıştır. Metin sınıflandırma, önceden tanımlanmış kategorilere eğitim dokümanlarını kullanarak verilen metnin sınıfına karar vermesi işlemidir. Tezde amaç, metin halindeki Türkçe verilerin sınıflandırılmasıdır. Kategoriler `Cinsiyet Tanımlama`, `Yazar Tanımlama` ve `Tür Belirleme` olmak üzere üç kategoride incelenmiştir. Sınıflandırma yapılırken Naive Bayes metot ve bit skor ağırlıklandırılmış k-NN metot kullanılmıştır. İki metodun doğruluk oranları kıyaslanmıştır. Sınıflandırma için R programlama dili kullanılmıştır. Bu tezde metin sınıflandırılması üzerine çalışmak için Türkçe köşe yazılarından oluşan bir veri kümesi oluşturulmuştur.

Thesis Details

Investigation of text mining methods on Turkish text = Türkçe metinler üzerinde metin madenciliği yöntemlerinin incelenmesi

Authors: Pasin, Ezgi

Publisher: Dokuz Eylül Üniversitesi

Main Topics: Mathematics

Document Type: Thesis

Program Type: Master

Publication Date: 12/2017

Document Language: English

Document ID (Org No.): 2000288795