Affiliation:
1. Turgutlu Bilim ve Sanat Merkezi
2. İZMİR KATİP ÇELEBİ ÜNİVERSİTESİ, MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ
Abstract
Sosyal medya kullanımının yaygınlaşması ile birlikte sosyal ağlar üzerinden çeşitli gruplara yönelik nefret söylemi gibi olumsuz paylaşımların kontrolsüzce yayılabildiği görülmektedir. Suriye İç Savaşı’nı takiben Türkiye’ye yaşanan göç, mültecilere yönelik nefret söylemini gündeme getirmiştir. Nefret söylemi, toplumsal huzurun sağlanabilmesi için önüne geçilmesi gereken önemli bir hastalık olarak betimlenmektedir. Nefret söyleminin tespiti konusunda Türkçe dilinde yapılan çalışmaların ve nefret söyleminin tespitinde kullanılabilecek kapsamlı bir veri setinin eksikliği göz önüne alınarak bu araştırmada sosyal ağlarda Türkçe dilinde yapılan paylaşımlarda mültecilere yönelik nefret söyleminin makine öğrenmesi yöntemleri ile tespiti üzerine çalışılmıştır. Lojistik regresyon (LR), Yapay Sinir Ağı (YSA), Destek Vektör Makineleri (DVM), Karar Ağaçları ve Rastgele Orman modelleri uygulanarak deneysel sonuçlar karşılaştırmalı olarak sunulmuştur. Rastgele Orman, YSA ve LR ile elde edilen performans değerlerinin DVM ve Karar Ağaçları modellerinden daha yüksek olduğu ortaya konmuştur.
Publisher
European Journal of Science and Technology
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference13 articles.
1. Yanık, A. (2017). Sosyal medyada yükselen nefret söyleminin temelleri. Global Media Journal TR Edition, 8(15), 364-383.
2. United Nations. (2022, Ağustos). Hate speech. Erişim Adresi: https://www.un.org/en/hate-speech/understanding-hate-speech/what-is-hate-speech
3. Aydos, S. S., ve Aydos, O. S. (2019). Yeni medyada nefret söylemi ve nefret söyleminden doğan hukukî sorumluluk. Ankara Hacı Bayram Veli Üniversitesi Hukuk Fakültesi Dergisi, 23(2), 3-35.
4. Mayda, İ., Diri, B. ve Dalyan, T. (2021). Türkçe Tweetler üzerinde Makine Öğrenmesi ile Nefret Söylemi Tespiti. Avrupa Bilim ve Teknoloji Dergisi, (24), 328-334.
5. Ozkaya, U., Melgani, F., Bejiga, M. B., Seyfi, L., & Donelli, M. (2020). GPR B scan image analysis with deep learning methods. Measurement, 165, 107770.