Mamdani ve Sugeno Tip Bulanık Çıkarım Sistemleri ile Sosyal Medya Haber Popülerliğinin Tahmini

Abstract

Haber popülerliği, internet ya da sosyal ağ sitelerinde yayınlanmış haberlerin ilgi düzeyinin ölçüsünün bir göstergesidir. Bu göstergenin değerinin bilinmesi, haber sağlayıcılarını rekabetçi ve kullanıcılar için okunabilirliği yüksek haberler yapmaya zorlar. Bu durum, hem haber servislerinin sürekliliğine hem de haber kalitesinin artırılmasına önemli katkılar sağlar. Bu yüzden, haber popülerliğini otomatik olarak tespit eden sistemlerin olması günümüzde bir ihtiyaç haline gelmiştir. Bu çalışmada, Kaliforniya Üniversitesi (KU)-Irvine Makine Öğrenmesi Deposu veri tabanından indirilen veriler bileştirilerek oluşturulmuş dengesiz veri seti ve bu veri setinden Sentetik Azınlık Örnekleme Tekniği (Synthetic Minority Oversampling Technique (SMOTE)) ile üretilen dengeli veri setine Mamdani ve Sugeno tip bulanık çıkarım sistemi temelli modeller uygulanarak haber popülerliği tahmini yapılmıştır. Haber popülerliği tahmininde çıkarım yöntemleri ve durulaştırma yöntemlerinin farklı biçimde yapılandırılmasından oluşan 6’ sı mamdani tip bulanık çıkarım sistemini ve 2’ si sugeno tip bulanık çıkarım sistemini içeren toplam 8 bulanık mantık temellli tahmin modeli kullanılmıştır. Karışıklık matrisi metrikleri ve R2 eğrileri ile performansları değerlendirilen tahmin modellerine ait deneysel sonuçlar; dengesiz ve dengeli veri setlerinin her ikisinde de tüm metrikler açısından en iyi performansı mak-min çıkarım yöntemi ve ağırlık merkezi durulaştırma yöntemini kullanan Mamdani tip bulanık çıkarım sisteminin sağladığını göstermiştir. Ayrıca yaptığımız çalışmada kullanılan modelleri literatürdeki çalışmalar ile karşılaştırdığımızda, ağırlıklı ortalama yöntemini kullanan Sugeno tip bulanık çıkarım sistemi dışındaki bulanık mantık temelli modellerin literatürdeki modellerin en iyileri kadar rekabetçi bir performans sergileyebildiği görülmüştür.