Dataset Preview
Duplicate
The full dataset viewer is not available (click to read why). Only showing a preview of the rows.
Couldn't reach 'msamdan/meu-test-dataset' on the Hub (LocalEntryNotFoundError)
Error code:   UnexpectedError

Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.

instruction
string
response
string
input
string
question_type
string
meta
dict
Karayiğit vd. (Expert Systems With Applications, 2021) çalışmasında metin sınıflandırma (Text categorization) süreci nasıl tanımlanmaktadır?
Metin sınıflandırma, belirli bir metni bir veya daha fazla kategoriye atama sürecidir. Önceden sınıflandırılmış belgeler bir eğitim seti olarak sağlandığı için denetimli bir sınıflandırma tekniği olarak kabul edilir. Metin sınıflandırmanın amacı, yeni bir belgeye bir kategori atamaktır.
Text categorization is the process of assigning a given text to one or more categories. This process is considered a supervised classification technique since pre-classified documents are provided as a training set. The goal of text categorization is to assign a category to a new document (Fatima & Srinivasu, 2017).
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Çürük, Acı ve Eşsiz (2018) tarafından UBMK'18 konferansında sunulan 'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' çalışmasının genel sonucu nedir?
Çalışmanın genel sonucu, YSA tabanlı sınıflandırıcıların (DVM, SGD, RBF, LR) siber zorbalık tespiti probleminde uygulanabilir olduğudur. Hem doğruluk (F-ölçüt > 0.90) hem de süre performansları (özellikle SGD ve RBF için) göz önüne alındığında, SGD sınıflandırıcısının siber zorbalık tespiti için en uygun YSA tabanlı sı...
TABLO III ve TABLO IV'de gösterilen sonuçlar doğrultusunda YSA tabanlı sınıflandırıcıların siber zorbalık tespiti probleminde uygulanabileceği sonucuna ulaşılabilmektir. Sınıflandırıcıların doğruluk ve süre performansları doğrultusunda SGD sınıflandırıcının siber zorbalık tespiti için en uygun YSA tabanlı sınıflandırıc...
Summarizing
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Çürük, Acı ve Eşsiz'in 2018 tarihli, 'Siber Zorbalık' ve 'Sınıflandırma' anahtar kelimelerini içeren çalışmasında, F-ölçüm değeri neden her iki sınıf (siber zorbalık var/yok) için ayrı ayrı hesaplanıp ortalaması alınmıştır?
Çalışmada kullanılan veri kümesi başlangıçta dengesiz olduğu için (negatif örnek sayısı çok daha fazla), ancak sonrasında pozitif örnekler çoğaltılarak dengelendiği belirtilmiştir. F-ölçüm değerinin her iki sınıf için ayrı ayrı hesaplanıp ortalamasının alınması, modelin hem siber zorbalık içeren hem de içermeyen mesajl...
Veri kümemiz dengeli olduğu için, her iki sınıf için de F-ölçüm değerlerini hesaplıyoruz (yani, siber zorbalık varken ve siber zorbalık olmadan), bu iki F-ölçüm değerinin ortalamasını alıyoruz.
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
KAYA vd.'nin 2018 çalışması "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü"nde, geliştirilen dikkat izleme sisteminin, mevcut video tabanlı sistemlere kıyasla temel üstünlüğü nedir?
Geliştirilen EEG tabanlı sistemin, video tabanlı sistemlere göre temel üstünlüğü, operatörün beyin aktivitesini doğrudan inceleyerek daha yüksek doğruluk sağlaması ve video sistemlerinde ortaya çıkabilecek yalancı durum verilerini (örneğin, gözler açıkken dalgın olma) üretmemesidir.
Bilinen metotlara göre avantajı ise yüksek doğruluk oranına sahip olması ve operatörün beyin aktivitesinin direk incelenebilmesi nedeniyle bilinen metotlarda ortaya çıkan yalancı durum verilerini yaratmamasıdır.
Comparative/Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Murat KAYA ve arkadaşlarının 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında, durum tespiti için en fazla bilgiyi veren EEG elektrot bölgeleri hangileridir?
Çalışmada yapılan deneyler sonucunda F3, F4, Fz, Cz ve Pz bölgelerindeki elektrotların, gönüllü katılımcıların dikkat durumunu tespit etmede en fazla bilgiyi verdiği belirlenmiştir.
Deneyler sonucunda ayrıca tespit ettiğimiz bir nokta ise F3, F4, Fz, Cz ve Pz bölgelerinin gönüllü katılımcıların durum tespitinde en fazla bilgiyi vermiş olduğudur.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Eren Çürük ve ekibinin 'Siber Zorbalık' konulu 2018 çalışmasında, önişleme sırasında hangi tür kelimeler ve nitelikler ayıklanmıştır ve bunun amacı nedir?
Önişleme sırasında etkisiz kelimeler (stop-words) ve doküman frekansı 0.001'in altında olan nitelikler ayıklanmıştır. Bunun amacı, sınıflandırma başarımına etkisi çok düşük olan niteliklerden kurtularak sınıflandırma süresini arttırmaktır.
Sınıflandırma başarımının arttırılması amacıyla önişleme adımında ayrılan dizgiler içerisinde yer alan etkisiz kelimeler (stop-words) ayıklanmaktadır. Ayrıca çıkartılan niteliklerden doküman frekansı 0.001'in altında olanlar da ayıklanmış ve bu şekilde sınıflandırma başarımına etkisi çok düşük olan niteliklerden kurtul...
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Expert Systems With Applications dergisinde yayınlanan 2021 tarihli Karayiğit ve arkadaşlarının çalışmasında, ATC veri kümesindeki yorumların duygu analizi etiketlemesi hangi seviyede yapılmıştır?
Çalışmada, ATC veri kümesindeki yorumların duygu analizi etiketlemesi, her bir yoruma kutupluluk atanarak cümle seviyesinde yapılmıştır.
The sentiment annotation has been done in sentence-level by assigning polarity to each comment.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" makalesinde bahsedilen ACO (Ant Colony Optimization) algoritması hangi davranıştan ilham almıştır?
Makalede belirtildiği üzere, ACO algoritması bazı karınca türlerinin yiyecek arama davranışından ilham almıştır. Bu karıncalar, koloninin diğer üyeleri tarafından takip edilmesi gereken uygun bir yolu işaretlemek için yere feromon bırakırlar.
III. ANT COLONY OPTIMIZATION ALGORITHM. ACO takes inspiration from the foraging behavior of some ant species. These ants deposit pheromone on the ground in order to mark some favorable path that should be followed by other members of the colony.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (2018) çalışmasında F-ölçümü hesaplanırken 'doğruluk' ve 'hassasiyet' metrikleri nasıl tanımlanmıştır?
Çalışmada doğruluk (recall), sınıflandırma algoritmasının kesinliği olarak tanımlanmış ve pozitif sınıfa ait olarak doğru şekilde etiketlenmiş örneklerin, toplam pozitif etiketli örnek sayısına oranıdır. Hassasiyet (precision) ise algoritmanın bütünlüğü olarak tanımlanmış ve doğru pozitiflerin sayısının, algoritma tara...
Doğruluk, sınıflandırma algoritmasının kesinliğidir ve pozitif sınıfa ait olarak doğru şekilde etiketlenmiş örneklerin sayısının, pozitif olarak etiketlenmiş toplam örnek sayısına oranıdır. Hassasiyet, sınıflandırma algoritmasının bütünlüğüdür ve gerçek pozitiflerin sayısının, aslında pozitif sınıfa ait olan elementler...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Eren Çürük ve ekibinin 'Siber Zorbalık' anahtar kelimesi geçen 2018 çalışmasında özetlenen literatürdeki [9] numaralı çalışmada Youtube yorumları üzerinde yapılan ikili ve çok sınıflı sınıflandırma doğrulukları ne bulunmuştur?
Literatürde bahsedilen [9] numaralı çalışmada, ikili sınıflandırmalarda %80,2 doğruluk, çok sınıflı testlerde ise %66,7 doğruluk elde edilmiştir.
Denetimli bir makine öğrenme yaklaşımının uygulandığı bir çalışmada, Youtube yorumları toplanmış... Yapılan test sonuçlarında ikili sınıflandırmalarda %80,2 doğruluk elde edilirken çok sınıflı testlerde %66,7 doğruluk elde edilmiştir [9]
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Çürük, Acı ve Eşsiz'in 2018 tarihli çalışmasında, 'Sosyal Medya' anahtar kelimesi bağlamında, hangi sosyal medya platformlarından veri toplanmıştır?
Çalışmada, 'Sosyal Medya' anahtar kelimesiyle ilişkili olarak Formspring.me ve Myspace sosyal medya platformlarından elde edilen yorumlar veri seti olarak kullanılmıştır.
Yapılan çalışmada bahsedilen sınıflandırıcıların performansları Formspring.me ve Myspace ortamlarından elde edilen yorumlarla test edilmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Aslan ve Aci (2018) tarafından "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında, ders-derslik seçimi için kullanılan Denklem (3)'teki τ (tau) ve η (eta) neyi temsil eder?
Denklem (3)'te τ (tau), feromon seviyesini temsil ederken, η (eta) sezgisel bilgiyi (heuristic information) temsil eder. Bu çalışmada sezgisel bilgi, şehirler (düğümler) arasındaki uzaklığın tersi (1/dij) olarak tanımlanmıştır (Denklem 4). Derslik seçimi bağlamında ise ders-derslik uygunluğunu veya mesafesini yansıtır.
pk_ij = [τij^α * ηij^β] / [Σ(l∈N(sp)) τil^α * ηil^β] ... The parameters α and β control the relative importance of the pheromone versus the heuristic information, which is given by: Nij = 1/di,j (4) Where dij is the distance between cities i and j [4].
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
KAYA vd. (2018) "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında, DVM sınıflandırıcısı için hangi yazılım aracı veya kütüphanesi kullanıldığı belirtilmiş midir?
Hayır, çalışmada DVM sınıflandırıcısını uygulamak için spesifik bir yazılım aracı veya kütüphanesi belirtilmemiştir. Ancak analizlerin genel olarak Matlab ortamında geliştirilen yazılımlarla yapıldığı ifade edilmiştir.
EEG verileri kablosuz olarak 128 Hz örneklem oranı ile bir adet dizüstü bilgisayar ve Matlab ortamında geliştirilmiş yazılım sayesinde kaydedilmiş ve çevrimdışı analiz edilmiştir... Matlab firmasına ait Signal Processing Toolbox kullanılarak hesaplanmıştır.
Factual/Absence of Information
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Murat KAYA ve arkadaşlarının 2018'deki "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasına göre, geliştirilen BBA sistemi hangi tür cihazlarla kullanılmak üzere tasarlanmıştır?
Çalışmada odaklanılan senaryoda, operatörlerin taşınabilir bir EEG-BBA cihazı giydiği ve çoğunlukla otonom bir araç kullandığı belirtilmiştir. Bu, sistemin özellikle taşınabilir ve giyilebilir teknolojilerle entegre edilerek araç içi uygulamalarda kullanılmasının hedeflendiğini göstermektedir.
Çalışmada odaklanılan senaryoda operatörler taşınabilir EEG-BBA cihazı giymekte ve aynı zamanda çoğunlukla otonom olan bir araç kullanmaktadırlar.
Applicational/Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Aslan ve Aci (2018) tarafından "Solving University Course Timetabling Problem Using Ant Colony Optimization" adlı çalışmada kullanılan ve Şekil 3'te özetlenen verilere göre Mersin Üniversitesi Mühendislik Fakültesi'nde kaç bölüm, ortak derslik ve öğretim üyesi bulunmaktadır?
Şekil 3'te belirtilen verilere göre, Mersin Üniversitesi Mühendislik Fakültesi'nde 9 bölüm, 24 ortak derslik ve 105 öğretim üyesi bulunmaktadır.
Figure 3: Data propertiesUniversity: Mersin University Engineering FacultyDepartment Number: 9Common Classrooms: 24Faculty Members: 105
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Karayiğit vd. (2021) çalışmasında model performansını değerlendirmek için kullanılan F1-skoru (F1-score), Kesinlik (Precision) ve Duyarlılık (Recall) metrikleri nasıl tanımlanmaktadır?
Kesinlik (Precision), doğru olarak etiketlenen öğe sayısının, hem doğru hem de yanlış sınıflandırmaları içeren bir sınıfın etiketlenmiş öğelerinin toplam sayısına bölünmesiyle elde edilir. Duyarlılık (Recall), bir sınıfın toplam sınıflandırmasının, doğru sınıflandırmaya bölünmesiyle elde edilen bir değerdir. F1-skoru, ...
Precision has a significant role in classifier performance in any statistical analysis. The number of item labeled classes is divided by the sum of numbers labeled elements of a class, including both correct and incorrect classifications. The recall is a value of true classification that comes after dividing the total ...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (2018) çalışmasının süre analizine (TABLO IV) göre, Myspace.com veri kümesinde toplam işlem süresi en kısa olan sınıflandırıcı hangisidir?
TABLO IV'e göre Myspace.com veri kümesinde toplam işlem süresi en kısa olan sınıflandırıcı 21,3 saniye ile RBF'dir. SGD ise 37,43 saniye ile ikinci en hızlıdır.
TABLO IV. SINIFLANDIRICILARIN SÜRE ANALIZIMyspaceSınıflandırıcı | Eğitim Süresi | Test Süresi | Toplam---DVM | 63,29 | 0,35 | 63,64SGD | 37,23 | 0,2 | 37,43RBF | 19,96 | 1,34 | 21,3LR | 240,53 | 0,23 | 240,76
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
2018'de UBMK'18 konferansında sunulan 'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' çalışması, YSA tabanlı sınıflandırıcıların performansını ölçerek literatüre ne gibi bir katkı sağlamayı amaçlamaktadır?
Çalışma, literatürde genellikle J48, NB, K-NN ve DVM gibi sınıflandırıcıların incelendiğini, ancak YSA tabanlı RBF, LR, SGD gibi sınıflandırıcıların siber zorbalık tespiti üzerine performans analizlerinin yapılmadığını belirtmektedir. Bu nedenle çalışma, YSA tabanlı bu sınıflandırıcıların performans ve süre karşılaştır...
Literatürde yapılan çalışmalar incelendiğinde genellikle J48 karar ağacı, NB K-NN ve DVM gibi sınıflandırıcıların performansları ölçülmüştür. YSA tabanlı RBF, LR, SGD gibi sınıflandırıcıların siber zorbalık tespiti üzerine performans analizlerinin yapıldığı bir çalışma yaptığımız literatür taramalarında bulunamamıştır....
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Aslan ve Aci'nin 2018'deki "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında, Şekil 5'te gösterilen ders programı çizelgesindeki sütun başlıkları nelerdir?
Şekil 5'teki sütun başlıkları şunlardır: Fields (Alanlar), DersId (Ders ID), SubeId (Şube ID), DersAdi (Ders Adı), DersKredi (Ders Kredisi), DersKodu (Ders Kodu), DersSaat (Ders Saati), DerslikId (Derslik ID), HocaAdi (Hoca Adı), HocaSoyadi (Hoca Soyadı), HocaId (Hoca ID), SubeAdi (Şube Adı), Bolumu (Bölümü), BolumId (...
Figure 5: Classroom course schedule (Sütun başlıkları görselde listelenmiştir: Fields, Dersld, Subeld, DersAdi, DersKredi, DersKodu, DersSaat, DerslikId, HocaAdi, HocaSoyadi, Hocald, SubeAdi, Bolumu, BolumId, Derslik Kap, DerslikAdi)
Listing
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
2021 tarihli 'Detecting abusive Instagram comments in Turkish...' makalesinde Word2Vec'in CBoW ve Skip-Gram modelleri nasıl açıklanmaktadır?
Word2Vec, Mikolov ve arkadaşları tarafından geliştirilen bir kelime gömme sistemidir ve tek bir gizli katmana sahip sığ bir sinir ağıdır. CBoW modelinde, bağlamın (veya çevreleyen kelimelerin) dağıtılmış temsilleri ortadaki kelimeyi tahmin etmek için birleştirilir. Skip-Gram modelinde ise, girdi kelimesinin dağıtılmış ...
Word2Vec, a word embedding system developed by Mikolov, Sutskever, Chen, Corrado, and Dean (2013), is a shallow neural network with one hidden layer... There are two Word2Vec models: Skip-Gram and the CBOW. In the CBoW model, the distributed representations of context (or surrounding words) are com- bined to predict th...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
KAYA vd. (2018) tarafından "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında dikkat durumu tespiti için hangi makine öğrenmesi yöntemi kullanılmıştır?
Çalışmada, operatörlerin zihinsel dikkat durumlarını sınıflandırmak için Destek Vektör Makinesi (DVM) adlı makine öğrenmesi yöntemi kullanılmıştır.
Bu çalışmada, elektroensefalografik (EEG) beyin aktivitesi görüntüleme ve makine öğrenmesi yöntemlerinden Destek Vektör Makinesi'ni kullanarak, operatörlerin zihinsel dikkat durumlarını izlemek için pasif bir beyin bilgisayar arabirimi geliştirilmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
KAYA, ACI ve MISHCHENKO'nun (2018) "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında geliştirilen sistemin deneysel görevlerde ulaştığı doğruluk oranı nedir?
Çalışmanın özetine göre, geliştirilen sistemle dikkat durumundaki değişiklikler, deneysel olarak oluşturulan görevlerde %90 ila %95 doğrulukla tespit edilmiştir.
Bu tür değişiklikler, deneysel olarak oluşturulan görevlerde %90 ila %95 doğrulukla tespit edilmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Aslan ve Aci (2018) tarafından ICATCES'18'de sunulan "Solving University Course Timetabling Problem Using Ant Colony Optimization" makalesine göre, gerçek karıncalar görsel ipuçları kullanmadan yiyecek kaynağından yuvaya en kısa yolu nasıl bulabilirler?
Makaleye göre, gerçek karıncalar görsel ipuçları kullanmadan feromon izi adı verilen bir mekanizma ile en kısa yolu bulabilirler. Karıncalar yürürken belirli bir miktarda feromon bırakırlar ve her karınca olasılıksal olarak feromon açısından zengin bir yönü takip etmeyi tercih eder.
Real ants are capable of finding the shortest path from a food source to the nest without using visual cues. ... It is well known that the primary means for ants to form and maintain the line is a pheromone trail. Ants deposit a certain amount of pheromone while walking, and each ant probabilistically prefers to follow...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Habibe Karayiğit ve ekibinin 2021 tarihli çalışmasında, sosyal medyadaki taciz içerikli mesajların potansiyel zararları ve siber zorbalıkla ilişkisi nasıl açıklanmaktadır?
Çalışmada, sosyal medyadaki yorumların her zaman olumlu olmadığı ve zarar verme potansiyeli taşıdığı belirtilmektedir. Gelişigüzel argo, küfürlü dil ve müstehcenlik gibi taciz içerikli mesajların sadece bir mesaj olarak görülmemesi gerektiği, siber şiddete kapı aralayan ciddi ve acımasız bir araç olduğu vurgulanmaktadı...
Comments on social media are not always positive for users; there is also potential to harm (Tang & Dalzell, 2019). Abusive messages in social media such as indiscriminate slang, abusive language, and pro- fanity should not be seen as just a message. They are a severe and ruthless tool that opens up to cyber violence (...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Murat KAYA, Çiğdem ACI ve Yuriy MISHCHENKO'nun 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında bahsedilen otomatikleşen sistemlerin operatörler üzerindeki etkisi nedir?
Çalışmaya göre, otomatikleşen sistemlerin hızlı gelişimi, operatörlerin üzerindeki kontrol yükünü azaltmaktadır. Ancak bu durum, operatörlerin dikkatini dağıtabilir ve önemli kontrol süreçleri sırasında dikkat kaybı, dalgınlık veya uyku gibi sorunlara yol açabilir.
Özetçe-Robotik ve otomatikleşen sistemlerin hızlı gelişmesi ile birlikte operatörlerin (herhangi bir cihazı kullanan kimse) üzerinden kontrol yükü kalkmakta ve bu durum önemli kontrol süreçlerinde operatörün dikkat kaybı yaşamasına neden olmaktadır... Gelişen teknoloji ile birlikte insan kullanımının yerini yavaş yavaş...
Conceptual/Cause-Effect
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" makalesinde, seçilen dersliğe atanacak kalan dersleri belirlemek için hangi denklem (Denklem 5) kullanılmıştır ve bu denklemdeki temel bileşenler nelerdir?
Seçilen dersliğe kalan dersleri atamak için Denklem (5) kullanılır: Dk_ij = [τij^α * ηij^β * μj^θ * λj^δ * vin^γ] / [Σ(l∈N(sp)) τil^α * ηil^β * μl^θ * λl^δ * vin^γ] if Cil ∈ N(sp). Bu denklemdeki temel bileşenler; τij (derslik i ve ders j arasındaki feromon), ηij (derslik i ve ders j arasındaki görünürlük), μj (teorik ...
2. Choosing Course. Equation 5 is applied to assign the remaining courses in the selected classroom. ... Dk_ij = [τij^α * ηij^β * μj^θ * λj^δ * vin^γ] / [Σ(l∈N(sp)) τil^α * ηil^β * μl^θ * λl^δ * vin^γ] if Cil ∈ N(sp) (5). τij: The pheromone matrix between classroom i and lecture j, ηij: The visibility matrix between cl...
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
KAYA, ACI ve MISHCHENKO'nun 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasındaki Şekil 1 neyi göstermektedir?
Şekil 1, çalışmada önerilen EEG ve DVM (SVM) tabanlı 'operatör durum izleme' BBA sisteminin genel çalışma akış diyagramını göstermektedir. Akış, EEG verisinin alınması, spektrograma çevrilmesi, 3DVM (üç Destek Vektör Makinesi) ile işlenmesi ve son olarak DVM çıktılarının birleştirilerek nihai durum tespitinin yapılması...
Şekil 1. EEG ve SVM tabanlı "operatör durum izleme" BBA sisteminin çalışma diyagramı. (EEG and SVM based "operator status monitoring" BCI system operation diagram)
Figure Interpretation
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Habibe Karayiğit ve arkadaşlarının 2021 tarihli çalışmasında, ön işleme (pre-processing) aşamasının hashtag ve noktalama işaretlerinin duygu üzerindeki etkilerini analiz etmek amacıyla nasıl değerlendirildiği açıklanabilir mi?
Çalışmada ön işleme aşaması, hashtag ve noktalama işaretlerinin duygu üzerindeki etkilerini analiz etmek için veri temizliği yapılarak ve yapılmadan (with and without data cleaning) ayrı ayrı değerlendirilmiştir.
Besides, the pre-processing phase was evaluated with and without data cleaning to analyze the effects of hashtags and punctuation marks on the sentiment.
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
KAYA vd. (2018) "Zihinsel Dikkat Durumu İzlemi İçin Pasif Beyin-Bilgisayar Arayüzü" makalesinde EEG verilerini analiz etmek için hangi sinyal işleme tekniği kullanılmıştır ve bu teknik nasıl uygulanmıştır?
EEG verilerini analiz etmek için spektrogramlar kullanılmıştır. Her EEG kanalından gelen ham veriler, 1024 nokta kısa zaman Fourier dönüşümü ve 15 saniyelik Blackman Penceresi kullanılarak spektrogramlara dönüştürülmüştür. Bu spektrogramlar 1/8 Hz ile 64 Hz arasında, 500 ms zaman aralığında hesaplanmıştır.
Analizde ilk olarak her EEG kanalından gelen ham veriler 1024-nokta kısa-zaman fourier dönüşümü ile 15 saniyelik Blackman Penceresi kullanarak spektrogamlar olarak hesaplanmıştır. Bu spektrogramlar 1/8 Hz ve 64 Hz arasında, 500 ms zaman aralığında, Matlab firmasına ait Signal Processing Toolbox kullanılarak hesaplanmış...
Procedural/Technical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Çürük, Acı ve Eşsiz'in 2018 tarihli çalışmasında referans verilen [7] numaralı British Columbia Üniversitesi araştırmasına göre, siber zorbalık ve geleneksel zorbalığa maruz kalma oranları nasıldır?
Referans verilen araştırmaya göre, 733 ergen üzerinde yapılan anketlerde, ergenlerin %25-30'unun siber zorbalığa maruz kaldığı, buna karşın sadece %12'sinin geleneksel zorbalığa maruz kaldığı tespit edilmiştir. Bu, siber zorbalığın geleneksel zorbalığa göre daha yaygın bir sorun olabileceğini göstermektedir.
British Columbia Üniversitesinde yapılan bir araştırmaya göre, siber zorbalık geleneksel zorbalığa göre daha büyük bir sorun olduğu görülmüştür. Yapılan çalışmada 733 ergenin %25-30'unun siber zorbalığa maruz kalırken, sadece %12'sinin geleneksel zorbalığa maruz kaldığı yapılan anketlerle elde edilmiştir [7].
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" (KAYA, ACI, MISHCHENKO) çalışmasındaki deney düzeneğinde hangi simülasyon yazılımı kullanılmıştır ve kaç gönüllü katılmıştır?
Çalışmadaki deneylerde 5 gönüllü katılımcı "Microsoft Train Simulator" yazılımı kullanarak tren simülasyonunu kontrol etmiştir.
Çalışmada 5 gönüllü katılımcı "Microsoft Train Simulator" yazılımı yardımıyla tren simülasyonu kontrol etmektedir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Aslan ve Aci (2018) tarafından ICATCES'18'de sunulan "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında, tüm karıncalar bir iterasyondaki işlemlerini bitirdikten sonra ne yapılır?
Tüm karıncalar bir iterasyondaki işlemlerini bitirdikten sonra, o iterasyonda elde edilen en iyi ders programı kaydedilir ve global feromon seviyesi güncellenir. Daha sonra bir sonraki iterasyona geçilir.
All the ants do this process. After all processes have finished, the best course schedule is recorded and the global pheromone is updated. The next iteration is passed.
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Habibe Karayiğit ve araştırma ekibinin 2021 tarihli 'Detecting abusive Instagram comments in Turkish...' çalışmasında ATC veri kümesindeki yorumlar hangi yıllar arasında toplanmıştır ve veri kümesi kamuya açık mıdır?
ATC veri kümesindeki 10.528 taciz içerikli ve 19.826 taciz içermeyen yorumlar 2017 ve 2019 yılları arasında gönderilmiştir. Veri kümesi, araştırmacıların ticari olmayan kullanımı için kamuya açıktır.
The ATC dataset contains 10,528 abusive and 19,826 not-abusive comments which were posted between 2017 and 2019 years... The ATC dataset is publicly available (Karayiğit et al., 2020) for researchers' non-commercial use.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Çürük, Acı ve Eşsiz (2018) tarafından sunulan çalışmada kullanılan Formspring.me veri kümesinin özelliklerini (toplam yorum sayısı, pozitif ve negatif etiketli yorum sayısı) açıklar mısınız?
Formspring.me veri kümesi, 50 farklı kullanıcıdan toplanmış toplam 13158 adet yorumdan oluşmaktadır. Bu yorumlardan 892 tanesi siber zorbalık içerdiği için pozitif, 12266 tanesi ise içermediği için negatif olarak etiketlenmiştir.
Formspring.me veri kümesi içerisinde toplamda 50 farklı kullanıcıdan toplanmış 13158 adet yorumdan meydana gelmektedir. Veri kümesi içerisindeki mesajların 892 tanesi siber zorbalık içerme bakımından pozitif, 12266 mesaj ise negatif olarak etiketlenmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Eren Çürük ve arkadaşlarının 'Yapay Sinir Ağı Tabanlı Sınıflandırıcılarda Nitelik Seçiminin Siber Zorbalık Tespitine Etkileri' (2018) çalışmasında, veri kümesindeki pozitif ve negatif mesaj dengesizliği nasıl giderilmiştir?
Veri kümesindeki pozitif ve negatif mesajların dengelenmesi amacıyla, pozitif örnekler, sayıları negatif örnek sayısına yaklaşık olarak eşit oluncaya kadar (her biri 8 defa) tekrarlanarak veri kümesine eklenmiştir.
Deneysel çalışmalar sırasında veri kümesinde yer alan pozitif ve negatif mesajların dengelenmesi amacıyla pozitif örnekler dengeli bir veri kümesi oluşacak şekilde çoğaltılmıştır. Veri kümesini dengelemek amacıyla pozitif örnek sayısı negatif örnek sayısına yaklaşık olarak eşit oluncaya kadar pozitif örneklerler tekrar...
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
KAYA vd. (2018) "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" makalesinde kullanılan EEG cihazı nedir ve neden modifiye edilmiştir?
Deneylerde modifiye edilmiş taşınabilir EPOC EEG aracı (EMOTIV) kullanılmıştır. Cihaz, düşük elektrot sayısı (14) ve uluslararası 10/20 sistemine göre sınırlı kapsama alanı gibi dezavantajları nedeniyle modifiye edilmiştir. Modifikasyonla daha fazla elektrot eklenerek F3/4, C3/4, Fz, Cz ve Pz gibi ek bölgelerden veri t...
Deney esnasında kaydedilen EEG verileri ise modifiye edilmiş taşınabilir EPOC EEG aracı (EMOTIV) yardımı ile sağlanır. EPOC aracı, EEG çekimlerinde ucuz bir alternatif olmasına karşın bazı dezavantajları nedeniyle değişikliğe uğratılmıştır... düşük elektrot sayısı (14) ve sahip olduğu elektrot yerleşim düzeninin ulusla...
Factual/Explanatory
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
2021 yılında Expert Systems With Applications'da yayınlanan 'Detecting abusive Instagram comments in Turkish...' başlıklı makalede, Türkiye'deki internet ve sosyal medya kullanımı hakkında hangi istatistikler verilmektedir?
Makaleye göre, 2019 istatistiklerine göre Türkiye'de nüfusun %72'sini oluşturan 59.36 milyon internet kullanıcısı bulunmaktadır. Türkiye, sosyal medya kullanımında dünyada ilk beşte yer almaktadır ve 52 milyon internet kullanıcısı aktif olarak sosyal medya kullanmaktadır. Ayrıca, Mart 2020 itibarıyla Türkiye'de 38,870,...
According to 2019 statistics, there are 59.36 million Internet users that constitute 72% of the population in Turkey. Turkey is in the top five in the world in the use of social media. A large proportion of Internet users (52 million) also use an active part in social media (Sta- tista, 2020). There were 38,870,000 Ins...
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Eren Çürük, Çiğdem Acı ve Esra Saraç Eşsiz'in 2018 tarihli çalışmasında, veri kümesindeki mesajlar nasıl etiketlenmiştir ve dengesiz veri problemi nasıl ele alınmıştır?
Veri kümelerindeki mesajlar siber zorbalık içerme bakımından pozitif ve negatif olarak etiketlenmiştir. Deneysel çalışmalar sırasında, veri kümesindeki pozitif ve negatif mesajların dengelenmesi amacıyla pozitif örnekler (siber zorbalık içeren mesajlar) dengeli bir veri kümesi oluşacak şekilde çoğaltılmıştır.
Veri kümeleri içerisinde yer alan mesajlar siber zorbalık içerme bakımından pozitif ve negatif olarak etiketlenmiştir. TABLO I'de her bir verisi kümesi için siber zorbalık içeren ve içermeyen mesaj sayıları gösterilmiştir. Deneysel çalışmalar sırasında veri kümesinde yer alan pozitif ve negatif mesajların dengelenmesi ...
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Eren Çürük ve ekibinin 'Sosyal Medya' anahtar kelimesi ile ilgili 2018 çalışmasında, F-ölçütü hesaplanırken neden her iki sınıfın (pozitif/negatif) ortalaması alınmıştır?
Çalışmada kullanılan veri kümesi dengeli hale getirildiği için, sınıflandırma başarımını gösterirken her iki sınıf için (siber zorbalık varken ve yokken) hesaplanan F-ölçütü değerlerinin ortalaması alınarak daha adil bir değerlendirme yapılmıştır.
Çalışmalarda kullanılan veri kümesi dengeli hale gerildiğinden, her iki sınıf için de F-ölçütü değerleri hesaplanmaktadır (yani, siber zorbalık varken ve siber zorbalık olmadan). Sınıflandırma başarımı gösterilirken bu iki F-ölçütü değerinin ortalaması alınarak gösterilmektedir.
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Expert Systems With Applications dergisinde 2021'de yayınlanan Karayiğit vd. çalışmasında, makine öğrenimi (ML) tabanlı duygu analizi tekniklerinin zorlukları ve derin öğrenme tekniklerinin bu alandaki avantajları nelerdir?
Çalışmaya göre, ML tabanlı teknikler yaygın olarak kullanılmış ve başarılı performans göstermiş olsa da, büyük ölçüde manuel olarak tanımlanan özelliklere dayanırlar ve özellik tanımı alan uzmanlarından çok çaba gerektirir. Derin öğrenme teknikleri ise özellik tanımı için gereken çabayı azaltabildikleri ve nispeten yük...
Although the ML-based techniques have been widely used and have shown quite successful performance, they strongly depend on manually-defined features, where the feature definition requires much effort from domain experts. For this reason, deep learning techniques have been drawing attention recently, as they may reduce...
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Çürük, Acı ve Eşsiz'in 2018 UBMK'18 bildirisinde, veri setinde başlangıçta kaç pozitif ve kaç negatif mesaj bulunmaktadır?
Veri kümesinde başlangıçta 422 pozitif mesaj ve 3047 negatif mesaj bulunmaktadır (Tablo I).
TABLO I. VERİ KÜMESİ POZİTİF/NEGATİF MESAJ DAĞILIMIVeri Kümesi Pozitif Mesajlar Negatif MesajlarYoutube 422 3047
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Eren Çürük, Çiğdem Acı ve Esra Saraç Eşsiz'in 'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (2018) çalışmasında metin ön işleme adımları nelerdir?
Ön işleme adımları şunlardır: İlk olarak, yorum içerisindeki metin (<TEXT> etiketi) dizgilerine ayrılmıştır (tokenization). Daha sonra, ayrılan dizgiler içerisindeki etkisiz kelimeler (stop-words) ayıklanmıştır. Bu adımlar sınıflandırma performansını artırmak amacıyla yapılmıştır.
Veri kümesi içerisinde yer alan mesajlara sınıflandırma yöntemleri uygulamak için ilk olarak önişleme ve nitelik çıkarı adımları uygulanması gerekmektedir. Şekil 1'de gösterilmiş olan örnek yorum içerisindeki <TEXT> etiketinde yer alan mesajlara dizgilerine ayırma yöntemi uygulanmaktadır. Önişleme adımında ayrılan dizg...
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Çürük, Acı ve Eşsiz'in 'ReliefF' anahtar kelimesini içeren 2018 çalışmasına göre, ReliefF algoritmasının temel çalışma prensibi nedir?
ReliefF algoritması, farklı kategorilerdeki örneklerin her birinden en yakın komşu örneklerini seçer ve özellik ağırlıklandırma vektörü ile komşu örneklerinden sınıf içi mesafeyi ve sınıflar arası mesafeyi karşılaştırarak özelliklere daha fazla ağırlık vererek vektörü düzenler.
ReliefF algoritması yüksek verimliliğe sahiptir ve veri tiplerinin özelliklerini sınırlamamaktadır... Çok sınıflı problemlerle uğraşırken, ReliefF algoritması, farklı kategorilerdeki örneklerin her birinden en yakın komşu örneklerini seçer. Özellik ağırlıklandırma vektörü ile komşu örneklerinden sınıf içi mesafeyi ve s...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" makalesinde bahsedilen ve Şekil 1'de gösterilen karınca kolonisinin yiyecek arama davranışı adımlarını özetler misiniz?
Şekil 1'deki adımlar şöyledir: (A) Karıncalar başlangıçta yuva ile yiyecek kaynağı arasında düz bir çizgide hareket eder. (B) Bir engel ortaya çıktığında, engelin önündeki karıncalar feromon izini takip edemez ve sağa veya sola dönmeyi seçerler. (C) Engelin her iki tarafından dolaşan karıncalar bulunur. Daha kısa yolu ...
Figure 1: Ant colony food search behavior (A, B, C, D adımlarının açıklamaları metin içinde yer almaktadır)
Summarizing
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Habibe Karayiğit ve arkadaşlarının 2021 tarihli çalışmasında CNN (Convolutional Neural Network) modelinin metin sınıflandırmadaki rolü ve yapısı nasıl açıklanmıştır?
CNN, özellikle görüntü analitiğinde güçlü bir derin öğrenme aracı olarak gösterilmiştir. Metin sınıflandırmaya uyarlanmış ve özellikle sınıf üyeliğiyle ilgili güçlü yerel ipuçları (örneğin, birkaç anahtar cümle veya kelime öbeği) bulmayı beklediğimiz sınıflandırma görevleri için yararlı olduğu gösterilmiştir. Evrişim k...
CNN has been shown as a powerful deep learning tool in image analytics, especially for feature extraction with transfer learning. CNN has been adapted to text cate- gorization and showed to be useful for categorization tasks in which we expect to find strong local clues regarding class membership, such as a few key sen...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Karayiğit vd. (2021) çalışmasında Türkçe'nin eklemeli bir dil olmasının duygu analizi açısından önemi nedir ve hangi kelime altı (sub-word) gömme tekniği kullanılmıştır?
Türkçe'nin eklemeli bir dil olması nedeniyle, kelime altı (sub-word) gömmenin duygu analizi için kelime gömme kadar önemli olduğu belirtilmiştir. Bu nedenle, bir kelime altı sözlüğü oluşturmak için Byte Pair Encoding (BPE) yöntemi kullanılmıştır.
Since Turkish is an agglutinative language, sub-word embedding is as important as word embedding for sentiment analysis. Byte Pair Encoding (BPE) was performed to build a sub-word dictionary.
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" adlı çalışmasında, karıncaların çevresel değişikliklere uyum sağlama yeteneği nasıl açıklanmaktadır?
Çalışmada, karıncaların çevresel değişikliklere uyum sağlama yeteneğine sahip olduğu belirtilmektedir. Örneğin, eski en kısa yol bir engel nedeniyle artık kullanılamaz hale geldiğinde yeni bir en kısa yol bulabilirler.
Also, they are capable of adapting to changes in the environment, e.g. finding a new shortest path once the old one is no longer feasible due to a new obstacle.
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
KAYA vd.'nin 2018 IEEE çalışması "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü"nde, EPOC EEG cihazının modifikasyonu nasıl gerçekleştirilmiştir?
EPOC EEG cihazının modifikasyonu, mevcut iki cihazın elektrot kapaklarının çıkarılması, elektrotların daha uzun kablolara takılması ve ardından özel yapım bir EEG kepi üzerine yerleştirilmesiyle gerçekleştirilmiştir. Bu sayede daha fazla sayıda elektrotun istenen konumlara yerleştirilmesi mümkün olmuştur.
Yapılan değişiklikte, iki adet EEG cihazının var olan elektrot kaplarının çıkarılarak, elektrotların daha uzun kablolara yerleştirdikten sonra özel yapım EEG kep üzerine yerleştirilmesidir.
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
KAYA, ACI ve MISHCHENKO (2018) tarafından "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" makalesinde açıklanan DVM sınıflandırma stratejisini anlatınız.
Her gönüllü için üç adet DVM sınıflandırıcı (aktif, dalgın, uykulu durumları için birer tane) eğitilmiştir. Sınıflandırma için spektrogramlardan alınan frekans vektörleri kullanılmıştır. Final sınıflandırma kararı, bu üç DVM sınıflandırıcısının çıktılarının üç-yollu XOR mantığı kullanılarak birleştirilmesiyle verilmişt...
Toplanan veriler, her gönüllü için üç adet DVM sınıflandırıcı inşa edilerek işlenmiştir. Bu üç DVM aktif, dalgın ve uykulu kısımların her birisi için inşa edilmiş olup final sınıflandırmasını yapmak için üç DVM sınıflandırıcı üç-yol XOR kullanılarak kombine edilmiştir. Eğer tek bir sınıflandırıcı spektrogramın frekans ...
Procedural/Explanatory
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Habibe Karayiğit, Çiğdem İnan Acı ve Ali Akdağlı'nın 2021 tarihli çalışmasında 'nefret söylemi' (hate speech) nasıl tanımlanmakta ve taciz içerikli dil tespiti (abusive language detection) ile ilişkisi nasıl kurulmaktadır?
Çalışmada nefret söylemi, sosyal medyada bir bireye veya gruba karşı nefret oluşturmak amacıyla metinsel paylaşım olarak tanımlanmaktadır. Taciz içerikli dil tespiti ise nefret söylemi kapsamında ele alınmakta ve SBTC (Duygu Tabanlı Metin Sınıflandırma) için önemli bir araştırma alanı haline geldiği belirtilmektedir.
Hate speech can be defined as textual sharing on social media to create hate against an individual or group... Abusive language detection is included in the scope of hate speech, and it has become an important research area for SBTC...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Karayiğit ve arkadaşlarının 2021 tarihli 'Detecting abusive Instagram comments in Turkish using convolutional Neural network and machine learning methods' (DOI: 10.1016/j.eswa.2021.114802) çalışmasında önerilen ATC veri kümesi hangi tür hesaplardan ve ne kadar yorum içermektedir?
ATC (Abusive Turkish Comments) veri kümesi, magazin ve spor hesaplarına gönderilen Instagram yorumlarından oluşmaktadır. Toplamda 10.528 taciz içerikli ve 19.826 taciz içermeyen yorum içermektedir.
This paper proposes a dataset called Abusive Turkish Comments (ATC) to detect abusive Instagram comments in Turkish. It is composed of a large number of Instagram comments posted to tabloid and sports accounts (i.e., 10,528 abusive and 19,826 not-abusive). It is the first public dataset dedicated to detecting abusive T...
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" (KAYA, ACI, MISHCHENKO) çalışmasındaki yöntemin, operatör güvenliğine nasıl katkı sağlayabileceğini açıklayınız.
Çalışmada geliştirilen yöntem, operatörlerin dikkat seviyesini (aktif, dalgın, uykulu) EEG sinyallerinden gerçek zamanlıya yakın bir şekilde tespit edebilir. Bu sayede, dikkat kaybı veya uyku hali gibi tehlikeli durumlar erken fark edilerek operatör uyarılabilir veya otomatik sistemler devreye sokularak olası kazaların...
Oysaki, yaşadığımız dünyada güvenliğimizin garantisi operatörlere bağlıdır... Yapılan araştırmalara göre gerçekleşen araç kazalarının önemli bir çoğunluğu sürücü yorgunluğundan kaynaklanmaktadır... Sonuç olarak bu çalışma göstermiştir ki operatörün dikkat durumu geliştirilen sistemle neredeyse kesin olarak tespit edile...
Explanatory/Applicational
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Eren Çürük ve arkadaşlarının 2018 tarihli çalışmasında sınıflandırma performansı hangi metrik ile ölçülmüştür ve bu metrik nasıl hesaplanır?
Sınıflandırma performansı Denklem 1'de verilen F-ölçüsü değeri ile ölçülmüştür. F-ölçüsü, hassasiyet (precision) ve doğruluk (recall) değerlerinin harmonik ortalamasıdır ve (2 * hassasiyet * doğruluk) / (hassasiyet + doğruluk) formülü ile hesaplanır.
Sınıflandırma performansı Denklem 1'de verilen F-ölçüsü değeri ile ölçülür. F_ölçütü = (2xhassasiyetxdoğruluk) / (hassasiyet+doğruluk) (1)
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Murat KAYA vd.'nin 2018 IEEE çalışması "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü"nde DVM sınıflandırıcıları nasıl eğitilmiş ve test edilmiştir?
Sınıflandırıcılar, her gönüllünün kendi deney verilerinden rastgele seçilen %80'lik spektrogram verisi ile eğitilmiştir. Kalan %20'lik veri ise test kümesi olarak kullanılmıştır. Performans, çapraz doğrulama yaklaşımı ile bu test veri kümesi üzerinden doğruluk yüzdesi hesaplanarak değerlendirilmiştir.
Sınıflandırıcılar her gönüllü için gönüllünün her deneyinden elde edilen spektrogram verileri ile eğitilmiştir. Bu eğitim verisi, tüm veri noktalarından rastgele olarak %20 oranında seçilerek oluşturulmuştur [Not: Metinde %20 eğitim diyor ama bu muhtemelen test oranıdır, %80 eğitim daha standarttır. Cevap metindeki %20...
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Aslan ve Aci (2018) tarafından "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında bir hafta kaç zaman dilimine (time slot) bölünmüştür ve bir ders periyodu ne kadar süre olarak kabul edilmiştir?
Çalışmada bir hafta 50 zaman dilimine (time slot) bölünmüştür. Bir ders periyodu 40 dakika olarak kabul edilmiştir.
• One week is divided into 50 time slot.• One lesson period is accepted as 40 minutes.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" makalesindeki Denklem (1)'de yer alan ρ (rho) parametresi neyi ifade eder?
Denklem (1)'deki ρ (rho) parametresi, feromon buharlaşma oranını (evaporation rate) ifade eder. Bu, zamanla feromon izlerinin zayıflamasını modellemeye yarar.
ktij← (1 – ρ)τί; + Σ(m üzerinden k=1) Δτk_ij (1)Where ρ is the evaporation rate...
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Eren Çürük, Çiğdem Acı ve Esra Saraç Eşsiz tarafından 2018 yılında UBMK'18 konferansında sunulan 'Yapay Sinir Ağı Tabanlı Sınıflandırıcılarda Nitelik Seçiminin Siber Zorbalık Tespitine Etkileri' başlıklı çalışmanın temel amacı nedir?
Bu çalışmanın temel amacı, sosyal ağlarda meydana gelen siber zorbalığın tespit edilmesine yönelik analizler gerçekleştirmek ve özellikle farklı nitelik seçimi algoritmalarının yapay sinir ağı tabanlı sınıflandırıcılar üzerindeki etkilerini araştırmaktır.
Öz- Son zamanlarda, bilgi iletişim teknolojilerinin hızla artması sonucunda akıllı telefonlar, tabletler ve dizüstü bilgisayarların kullanımı yaygınlaşmıştır. Özellikle gençler arasında sosyal ağların günlük yaşamın bir parçası haline gelmesi ve siber uzayda kişilerin kimlik bilgilerini gizleyerek her ortama erişebilme...
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Karayiğit vd. (Expert Systems With Applications, 2021) çalışmasında kullanılan Tokenizasyon (Tokenization) ve Durak Kelime Kaldırma (Stop-word removal) adımlarını açıklar mısınız?
Tokenizasyon adımında, ATC veri kümesindeki yorumlar boşluklara ve noktalama işaretlerine göre parçalara (token) ayrılmıştır. Durak Kelime Kaldırma adımında ise biçimlendirme etiketleri, rakamlar, edatlar, zamirler, bağlaçlar ve yardımcı fiiller gibi durak kelimeler ATC veri kümesinden çıkarılmıştır.
• Tokenization: Comments in the ATC dataset were tokenized based on whitespaces and punctuation marks.• Stop-word removal: Stop words (i.e., formatting tags, digits, prep- ositions, pronouns, conjunction, and auxiliary verbs) were removed from the ATC dataset.
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
2021 tarihli Karayiğit vd. çalışmasında (Expert Systems With Applications), 10 katlı çapraz doğrulama (10-fold cross-validation) yöntemi nasıl uygulanmış ve avantajı nedir?
10 katlı çapraz doğrulamada, orijinal örneklem rastgele olarak on eşit büyüklükte alt örneğe bölünmüştür. On alt örneklemden biri, modeli test etmek için doğrulama verisi olarak tutulmuş, kalan dokuz alt örneklem eğitim verisi olarak kullanılmıştır. Çapraz doğrulama işlemi on kez tekrarlanmış, on alt örneklemin her bir...
In 10-fold cross-validation, the original sample is randomly partitioned into ten equal size subsamples. Of the ten subsamples, a single subsample is retained as the validation data for testing the model, and the remaining nine subsamples are used as training data. The cross-validation process is then repeated ten time...
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Murat KAYA, Çiğdem ACI ve Yuriy MISHCHENKO'nun 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında, spektrogram hesaplamasında hangi pencereleme fonksiyonu kullanılmıştır?
Spektrogram hesaplamasında 15 saniyelik Blackman Penceresi kullanılmıştır.
Analizde ilk olarak her EEG kanalından gelen ham veriler 1024-nokta kısa-zaman fourier dönüşümü ile 15 saniyelik Blackman Penceresi kullanarak spektrogamlar olarak hesaplanmıştır.
Factual/Technical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (Çürük, Acı & Eşsiz, 2018) çalışmasında açıklanan Radyal Temelli Fonksiyon (RBF) sinir ağının yapısı nasıldır?
RBF sinir ağı, girdi, gizli ve çıktı olmak üzere üç katmanlı nöronlardan oluşur. Gizli katman nöronları, girdi veri alanındaki merkez dizilerini temsil eder ve genellikle Gauss aktivasyon işlevine sahiptir. Aktivasyon, girdi vektörü ile merkez arasındaki mesafeye bağlıdır. Merkezlerin ve genişliklerin üretimi denetimsi...
RBF sinir ağı, öğrenme için denetimli ve denetimsiz bileşenlerin her ikisine de sahiptir. Girdi, gizli ve çıktı olmak üzere üç katmanlı nöronlardan oluşur. Gizli katman nöronları, giriş veri alanındaki merkez dizileri temsil eder. Bu merkezlerin her biri, genelde Gauss aktivasyon işlevine sahiptir. Aktivasyon, sunulan ...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Aslan ve Aci (2018) tarafından sunulan "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında, karıncaların en kısa yolu bulma sürecindeki 'otokatalitik' (autocatalytic) süreç ne anlama gelmektedir?
Otokatalitik süreç, pozitif geri besleme mekanizmasını ifade eder. Daha kısa yolu seçen karıncaların feromon izini daha hızlı yenilemesi, bu yolun daha çekici hale gelmesine ve daha fazla karınca tarafından seçilmesine yol açar. Bu kendi kendini güçlendiren döngü, tüm karıncaların hızla en kısa yola yönelmesini sağlar.
Due to this positive feedback (autocatalytic) process, all the ants will rapidly choose the shorter path (Fig. 1D).
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Çürük, Acı ve Eşsiz'in 2018 çalışmasında deneylerin yapıldığı bilgisayarın işlemci özellikleri nedir?
Çalışmadaki ölçümler Intel(R) Core (TM) i5-4210U CPU @ 1.70GHz-2.40GHz özelliklerinde işlemciye sahip bir bilgisayarda yapılmıştır.
Bu çalışmalarda ölçümler için Intel(R) Core (TM) i5-4210U CPU @ 1.70GHz-2.40GHz özelliklerinde işlemciye sahip bir bilgisayar kullanılmıştır.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" makalesinde, ilk ders seçiminin neden rastgele yapıldığı ve dersliğin ders-derslik matrisinden nasıl seçildiği açıklanmıştır?
İlk ders seçimi, algoritmanın yerel optimal çözümlere takılıp kalmamasını sağlamak ve farklı derslikleri seçebilmesini mümkün kılmak için rastgele yapılır. Derslik ise ders-derslik matrisinden rastgele seçilir.
The first course selection has been done randomly and a rand classroom has been chosen from the course-classroom matrix. The reason for this choice is to make sure that the algorithm can select different classrooms without getting stuck on local optima.
Causal
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Çürük ve arkadaşlarının 'Sınıflandırma' anahtar kelimesi ile ilgili 2018 çalışmasında, MRMR ve ReliefF nitelik seçme algoritmaları ile elde edilen F-ölçütü değerleri hangi aralıkta değişmiştir?
Diğer nitelik seçme algoritmaları olan MRMR ve ReliefF, RFE kadar yüksek değerler oluşturamasa da yaklaşık 0.76 ila 0.84 arası F-ölçütü değerleri elde edilmiştir.
Diğer nitelik seçme algoritmaları da RFE kadar yüksek değerler oluşturamasa da yaklaşık 0.76 ila 0.84 arası F-ölçütü değerleri elde edilmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (2018) çalışmasının sonuçlarına göre, YSA tabanlı sınıflandırıcıların genel başarısı göz önüne alındığında, performansın daha da iyileştirilmesi için hangi adımlara odaklanılması önerilmektedir?
Çalışma, YSA tabanlı sınıflandırıcıların zaten iyi performans gösterdiğini (%90 üzeri F-ölçüt) belirtmekle birlikte, hem doğruluk hem de süre performansını daha da artırmak amacıyla ön işleme, nitelik seçimi ve yeni sınıflandırma modelleri (örn. Çok Katmanlı Yapay Sinir Ağları) gibi yeni yöntemlerin uygulanması gerekti...
Bu sonuçlar önişleme ve nitelik çıkarımı adımlarında uygulanacak yeni yöntemlerle birlikte daha da arttırılabileceği tahmin edilmektedir. ... Ancak hem doğruluk hem de süre performanslarının arttırılması amacıyla yeni yöntemlerin uygulanması gerektiği de açıktır. ... devam edecek çalışmalarda sınıflandırıcıların doğrul...
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Eren Çürük ve arkadaşlarının UBMK'18 konferansında sunduğu 2018 tarihli çalışmada, hangi sınıflandırıcılar 'Yapay Sinir Ağı (YSA) tabanlı' olarak sınıflandırılmıştır?
Çalışmada Destek Vektör Makinaları (DVM), Stokastik Dereceli Azalma (SGD), Radyal Temelli Fonksiyon (RBF) Ağları ve Lojistik Regresyon (LR) sınıflandırıcıları YSA tabanlı olarak ele alınmış ve test edilmiştir.
Literatürde siber zorbalık tespitinde kullanılan genel sınıflandırıcılardan farklı olarak YSA tabanlı Destek Vektör Makinaları (DVM), Stokastik Dereceli Azalma (SGD), Radyal Temelli Fonksiyon (RBF) Ağları ve Lojistik Regresyon (LR) sınıflandırıcılar test edilmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
S. Aslan ve C. Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında, ders çizelgeleme probleminin akademik sistemlerdeki çeşitliliği nasıl vurgulanmıştır?
Çalışmanın giriş bölümünde, ders çizelgeleme probleminin ülkeden ülkeye, hatta aynı ülkedeki üniversitelerin akademik sistemlerindeki farklılıklar nedeniyle çeşitlilik gösterdiği belirtilmiştir.
I. INTRODUCTIONThe problem of course schedule varies from country to country due to the diversity in academic systems, even from universities within the academic system of the same country.
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Çürük, Acı ve Eşsiz'in 2018 UBMK'18 bildirisindeki Tablo II'ye göre, MRMR nitelik seçimi ile 500 nitelik kullanıldığında hangi sınıflandırıcı en yüksek F-ölçütü değerini vermiştir ve bu değer nedir?
Tablo II'ye göre, MRMR ile 500 nitelik kullanıldığında SGD sınıflandırıcısı 0.830 ile en yüksek F-ölçütü değerini vermiştir.
TABLO II. MRMR TEST VERİSİ F-ÖLÇÜTÜ SINIFLANDIRMA BAŞARIMINitelik Sayısı DVM SGD RBF LR500 0.797 0.830 0.744 0.822
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (Çürük, Acı & Eşsiz, 2018) çalışmasında kullanılan Lojistik Regresyon (LR) sınıflandırıcısı nasıl tanımlanmıştır?
Çalışmada Lojistik Regresyon (LR), girdi alarak çalışan ve ağırlık değeriyle giriş değerini çarpan birçok makine öğrenme yönteminden biri olarak tanımlanmıştır. Farklı olası sınıflar arasında ayrım yapmak için en faydalı olan özellikleri öğrenen bir sınıflandırıcıdır.
LR, girdi alarak çalışan ve ağırlık değeriyle giriş değerini çarpan birçok makine öğrenme yönteminden biridir. Farklı olası sınıflar arasında ayrım yapmak için en faydalı olan özellikleri öğrenen bir sınıflandırıcıdır [23].
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Eren Çürük ve arkadaşlarının 2018 tarihli çalışmasında, ŞEKİL I'de gösterilen örnek Formspring.me yorumunda hangi bilgiler yer almaktadır?
ŞEKİL I'deki örnek Formspring.me yorumunda <FORMSPRINGID>, <BIO>, <DATE>, <LOCATION>, <USERID>, <POST> (<TEXT>, <ASKER>, <LABELDATA> (<ANSWER>, <CYBERBULLYWORD>, <SEVERITY>, <OTHER>, <WORKTIME>, <WORKERID>)) gibi etiketlenmiş bilgiler bulunmaktadır. Örnekte sorulan soru, cevap, siber zorbalık olup olmadığı, şiddeti gib...
<FORMSPRINGID><BIO>Gema Loves Preston. :D</BIO><DATE>20100731</DATE><LOCATION>Jackson Michigan</LOCATION><USERID>aguitarplayer94</USERID><POST><TEXT>Q: what is your favorite song? :D A: I like too many songs to have a favorite</TEXT><ASKER></ASKER><LABELDATA><ANSWER>NO</ANSWER><CYBERBULLYWORD>n/a</CYBERBULLYWORD><SEVER...
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Eren Çürük ve arkadaşlarının 'Yapay Sinir Ağı Tabanlı Sınıflandırıcılarda Nitelik Seçiminin Siber Zorbalık Tespitine Etkileri' (2018) çalışmasında, sınıflandırma başarımını ölçmek için hangi metrik kullanılmıştır?
Sınıflandırma başarımı, Denklem 2'de verilen F-ölçütü değeri ile ölçülmüştür.
Sınıflandırma başarımı Denklem 2'de verilen F-ölçütü değeri ile ölçülür.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Aslan ve Aci (2018) tarafından "Solving University Course Timetabling Problem Using Ant Colony Optimization" adlı çalışmada derslik seçimi için modelleme yapılırken ders-derslik uzaklık matrisi nasıl normalize edilmiştir ve Denklem (3) nasıl uygulanmıştır?
Modelleme yapılırken, ders-derslik uzaklık matrisi 0-1 aralığında normalize edilmiştir (Şekil 2). Seçilmemiş derslerden rastgele bir ders seçilir. Seçilen derse göre, derslik seçimi için Denklem (3) uygulanır. Denklem (3)'te 't', karınca k tarafından henüz ziyaret edilmemiş dersliği ifade eder ve uygun derslikler bu de...
When modeling is done, the course-classroom distance matrix is normalized to 0-1 (Figure 2). A random course is selected from unselected courses. According to the selected course, (3) is applied for classroom selection. In Equation 3, t is the classroom which is not yet visited by the ant k. Appropriate classrooms are ...
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Habibe Karayiğit ve ekibinin 2021 tarihli (Expert Systems With Applications) çalışmasında kelime seviyesi gömme modellerinin (word-level embedding models) hangi sorunları yaşadığı belirtilmektedir?
Çalışmada kelime seviyesi modellerinin iki temel sorunu olduğu belirtilmiştir: (1) Veri seyrekliği (data sparsity): Büyük korpuslarda bile çoğu kelime çok az sayıda geçer ve bu nedenle düşük kaliteli vektörlere gömülür. (2) Morfolojik bilgi eksikliği: Aynı kelimenin farklı biçimleri tamamen ilişkisiz varlıklar olarak e...
Therefore, word- level models suffer from data sparsity. Another issue with word-level models is that they do not make use of morphological information. Different forms of the same word are treated as completely unrelated entities (Li, Drozd, Liu, & Du, 2018).
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında kullanılan MATLAB yazılımının rolü nasıl tanımlanmıştır?
Çalışmada MATLAB, matrisleri içeren hesaplamalar için uygun bir 'laboratuvar' görevi gören etkileşimli bir bilgisayar programı olarak tanımlanmıştır.
MATLAB is an interactive computer program that serves as a convenient "laboratory" for computations involving matrices [5].
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
KAYA vd.'nin 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında, deneyler çevrimiçi mi yoksa çevrimdışı mı analiz edilmiştir?
Çalışmada EEG verileri kaydedildikten sonra çevrimdışı (offline) olarak analiz edilmiştir.
EEG verileri kablosuz olarak 128 Hz örneklem oranı ile bir adet dizüstü bilgisayar ve Matlab ortamında geliştirilmiş yazılım sayesinde kaydedilmiş ve çevrimdışı analiz edilmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Habibe Karayiğit, Çiğdem İnan Acı ve Ali Akdağlı (2021) tarafından Expert Systems With Applications'da yayınlanan çalışmada Karar Ağacı (DT) algoritmasının çalışma prensibi ve avantajları nelerdir?
DT algoritması, eğer-ise (if-then) koşullu ifadelerle yukarıdan aşağıya bir yaklaşım kullanır. Yapısındaki yaprak düğümler (leaf nodes), bu düğümü bulmak için en yüksek sayıda eğitim örneğine sahip sınıfı gösterir. DT'nin avantajları basitlik, yorumlanabilirlik ve özellikleri işleme yeteneğidir.
The DT algorithm uses a top-down approach with if-then conditional expressions (Bay & Çelebi, 2016). Leaf nodes in its structure indicate the class with the highest number of training examples to find this node (Demirsoz & Ozcan, 2017). The advantages of the DT are simplicity, interpretability, and the ability to handl...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Çürük, Acı ve Eşsiz'in 2018 UBMK'18 bildirisinde F-ölçütü nasıl tanımlanmaktadır ve hangi iki metriğe dayanmaktadır?
F-ölçütü, hassasiyet (precision) ve doğruluk (recall, makalede 'doğruluk' olarak geçse de tanımı 'recall'a karşılık gelir) metriklerinin harmonik ortalaması olarak tanımlanır (2 * hassasiyet * doğruluk / (hassasiyet + doğruluk)). Hassasiyet, doğru pozitiflerin toplam pozitif tahminlere oranı; doğruluk (recall) ise doğr...
F_ölçütü = (2xhassasiyetxdoğruluk) / (hassasiyet+doğruluk)Doğruluk, sınıflandırma algoritmasının kesinliğidir ve pozitif sınıfa ait olarak doğru şekilde etiketlenmiş örneklerin sayısının, pozitif olarak etiketlenmiş toplam örnek sayısına oranıdır. Hassasiyet, sınıflandırma algoritmasının bütünlüğüdür ve gerçek pozitifl...
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, MRMR, ReliefF...
Çürük, Acı ve Eşsiz'in 2018 tarihli 'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' adlı çalışmasında siber zorbalık nasıl tanımlanmaktadır?
Çalışmada siber zorbalık, internet, e-posta, kısa mesaj, blog, sosyal medya mesajı gibi birçok elektronik yöntemi kullanarak savunmasız kişilere karşı saldırgan bir tavırla kasıtlı olarak gerçekleştirilen eylemler olarak tanımlanmaktadır.
Siber zorbalık, internet, e-posta, kısa mesaj, blog, sosyal medya mesajı gibi birçok elektronik yöntemi kullanarak savunmasız kişilere karşı saldırgan bir tavırla kasıtlı olarak gerçekleştirilen eylemler olarak tanımlanabilir [1][2].
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında, ders programının manuel olarak hazırlanmasının öğretim üyeleri üzerindeki etkisi nasıl açıklanmaktadır?
Çalışmada, ders programının genellikle bölümdeki öğretim üyesi veya sekreter tarafından manuel olarak hazırlanmasının, öğretim üyesinin çalışma zamanında kesintilere neden olduğu ve verimliliğini azalttığı belirtilmektedir.
The course schedule is prepared by the lecturer or secretary of the department. Consequently, this implementation causes to interruption on lecturer's work time and reduce their productivity.
Causal
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (2018) makalesinde bahsedilen ve [17] referansıyla atıfta bulunulan çalışmada DVM ve NB sınıflandırıcılarının karşılaştırmalı doğruluk oranları ne bulunmuştur?
Makalede [17] referansıyla atıfta bulunulan çalışmada, siber zorbalık tespiti için yapılan karşılaştırmada DVM sınıflandırıcısının ortalama %97,11 doğruluğa, NB sınıflandırıcısının ise %92,81 ortalama doğruluğa sahip olduğu belirtilmiştir. Aynı çalışmada K-NN ve J48'in de denendiği ve en iyi değerlerin YSA tabanlı DVM ...
Bu alanda yapılan bir çalışmada siber zorbalık tespiti için sınıflandırma yöntemi olarak DVM ve NB sınıflandırıcılarının performansları karşılaştırılmıştır. Yapılan çalışmada DVM ortalama %97,11 doğruluğa sahip olurken NB sınıflandırıcısı için %92,81 ortalama doğruluk oranı ölçülmüştür. Çalışmanın diğer adımlarında K-N...
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Habibe Karayiğit, Çiğdem İnan Acı ve Ali Akdağlı'nın 2021 tarihli makalesinde Duygu Tabanlı Metin Sınıflandırma (SBTC) nasıl tanımlanmakta ve siber zorbalık sınıflandırmasında nasıl kullanıldığı açıklanmaktadır?
Makalede, Duygu Tabanlı Metin Sınıflandırma (SBTC), önceden etiketlenmiş veri kümesini kullanarak bir model oluşturan ve etiketsiz verileri doğru kategoriye atamaya çalışan bir yöntem olarak tanımlanır. Metin sınıflandırmanın, duygu analizine dayanarak SBTC etiketlerine bakarak siber zorbalığı olumlu ve olumsuz olarak ...
Sentiment-Based Text Categoriza- tion (SBTC) builds a model using the pre-tagged dataset and attempts to assign unlabeled data to the correct category. Text categorization based on sentiment analysis helps us to classify cyberbullying as positive and negative by looking at the SBTC labels (Sebastiani, 2002).
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
2021 tarihli Karayiğit vd. makalesinde (DOI: 10.1016/j.eswa.2021.114802) Destek Vektör Makinesi (SVM) sınıflandırıcısının avantajları ve dezavantajları nelerdir?
SVM sınıflandırıcısının avantajları arasında gürültüye karşı sağlamlık, düşük aşırı uyum (overfitting) riski ve çekirdek (kernel) fonksiyonları sayesinde karmaşık sınıflandırma problemlerini çözebilme yeteneği bulunmaktadır. Büyük metin veri kümelerinde sıklıkla kullanılır. Temel dezavantajları ise problemi 2 sınıflı b...
The advantages of the SVM classifier are robustness against noise, low risk of overfitting, and solving complex classification problems due to its kernel functions (Fatima & Pasha, 2017). It is used frequently in large textual datasets. Key disadvantages are the requirement to formulate the problem as a 2- class classi...
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Habibe Karayiğit, Çiğdem İnan Acı, Ali Akdağlı", "doi": "10.1016/j.eswa.2021.114802", "faculty": "Mühendislik Fakültesi", "journal": "EXPERT SYSTEMS WITH APPLICATIONS", "keywords": "Abusive comment, Hate speech, Classification, Social media, Instagram, Data...
Murat KAYA ve arkadaşlarının 2018'deki "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında, deney sırasında gönüllülerin farklı dikkat durumları (aktif, dalgın, uykulu) nasıl belirlenmiş ve doğrulanmıştır?
Deney sırasında gönüllülerin dikkat durumları (aktif, dalgın, uykulu) bir araştırmacı tarafından gözlemlenerek ve aynı zamanda rastgele sesli uyarılara verilen tepki sürelerini ölçen bir yazılım kullanılarak belirlenmiş ve doğrulanmıştır. Araştırmacı durum geçişlerini not ederken, tepki süresi yazılımı da dikkat seviye...
Bu alanlar, deney esnasında bir araştırmacı ve tepki süresi ölçen yazılım ile birlikte gözlemlenip, tespit edilmiştir. Araştırmacı, gönüllüyü gözlemleyerek belirlenen aktif, dalgın ve uykulu durumlarına geçişi not eder. Bu esnada, tepki süresi yazılımı rastgele 2 dakikalık zaman dilimleri içerisinde gönüllüye deney boy...
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (Çürük, Acı & Eşsiz, 2018) çalışmasında kullanılan veri setleri hangi platformlardan elde edilmiştir?
Çalışmada kullanılan veri setleri Formspring.me ve Myspace sosyal medya ortamlarından elde edilen yorumlardan oluşmaktadır.
Yapılan çalışmada bahsedilen sınıflandırıcıların performansları Formspring.me ve Myspace ortamlarından elde edilen yorumlarla test edilmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Aslan ve Aci (2018) tarafından ICATCES'18'de sunulan "Solving University Course Timetabling Problem Using Ant Colony Optimization" makalesinin yazarları hangi üniversite ve bölümle ilişkilidir?
Makalenin yazarları S. Aslan ve C. Aci, Mersin Üniversitesi Bilgisayar Mühendisliği Bölümü ile ilişkilidir.
S. ASLAN¹ and C. ACI¹¹ Mersin University, Department of Computer Engineering, 333434, Mersin, Turkey
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
S. Aslan ve C. Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" adlı makalesinde, derslerin yerleştirilmesinde ACO algoritmasına adaptasyon nasıl sağlanmıştır ve hangi hedef gözetilmiştir?
Derslerin yerleştirilmesinde, ACO algoritmasına adaptasyon, maksimum ders ve minimum derslik kullanımını hedefleyerek sağlanmıştır. Öğretim üyelerinin uygun saatleri katı kısıtlamalar olarak kabul edilmiş, diğer durumlar ise yumuşak kısıtlamalar olarak eklenmiştir.
In the placement of the courses, adaptation to ACO algorithm has been achieved by targeting the maximum lecture minimum classroom usage. The appropriate hours of the lecturers were accepted as strict constraints and other cases were added to soft constraints.
Procedural
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (Çürük, Acı & Eşsiz, 2018) çalışmasına göre, doğruluk ve süre performansları göz önüne alındığında siber zorbalık tespiti için en uygun sınıflandırıcı hangisidir?
Çalışmada, sınıflandırıcıların doğruluk ve süre performansları göz önüne alındığında siber zorbalık tespiti için en uygun sınıflandırıcının Stokastik Dereceli Azalma (SGD) sınıflandırıcısı olduğu gözlemlenmiştir.
Sınıflandırıcıların doğruluk ve süre performansları göz önüne alındığında siber zorbalık tespiti için en uygun sınıflandırıcının SGD sınıflandırıcısı olduğu gözlenmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Aslan ve Aci'nin 2018'deki "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında, devam zorunluluğu olmayan öğrencilerin sayısının da dikkate alınmasının gerekliliği nasıl açıklanmıştır?
Çalışmada, devam zorunluluğu olmayan öğrencilerin de derse katılma isteği durumunda derslik kapasitesinin yeterliliğini sağlamak için bu öğrencilerin sayısının da dikkate alınmasının gerekli olduğu belirtilmiştir.
The necessity of this process ensures the adequacy of the classroom capacity in case of students who have not attendance obligations willingness to join the class.
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (2018) çalışmasında gelecek çalışmalarda performans artışı için hangi yöntemlerin kullanılması planlanmaktadır?
Gelecek çalışmalarda, sınıflandırıcıların doğruluk ve süre performanslarını artırmak amacıyla ön işleme adımında farklı yöntemlerin kullanılması, nitelik çıkarımı adımından sonra Relieff, SVM Attribute Eval, Chi 2 testi gibi nitelik seçimi yöntemleri ile nitelik sayısının düşürülmesi ve Çok Katmanlı Yapay Sinir Ağı mod...
Yapılan bu çalışma gelecekte yapılacak siber zorbalık tespiti çalışmalarına fayda sağlayacağı düşünülmekte ve devam edecek çalışmalarda sınıflandırıcıların doğruluk ve süre performanslarının arttırılması amacıyla önişleme adımında farklı yöntemlerin kullanılması planlanmaktadır. YSA tabanlı sınıflandırıcıların genel ol...
Listing
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (2018) çalışmasında, literatürdeki hangi sınıflandırıcıların performansının daha önce ölçüldüğü belirtilmiştir?
Çalışmada, literatürde genellikle J48 karar ağacı, NB (Naive Bayes), K-NN (k-en yakın komşu) ve DVM (Destek Vektör Makinaları) gibi sınıflandırıcıların performanslarının ölçüldüğü belirtilmiştir.
Literatürde yapılan çalışmalar incelendiğinde genellikle J48 karar ağacı, NB K-NN ve DVM gibi sınıflandırıcıların performansları ölçülmüştür.
Listing
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Aslan ve Aci'nin 2018 tarihli "Solving University Course Timetabling Problem Using Ant Colony Optimization" çalışmasında, Şekil 6'da gösterilen Mühendislik Fakültesi ders programı örneğinde satırlar ve sütunlar neyi temsil etmektedir?
Şekil 6'da gösterilen örnek ders programında satırlar derslikleri (Classroom), sütunlar ise zaman dilimlerini (Time Slot) temsil etmektedir. Tablodaki hücrelerde yer alan sayılar ise o zaman diliminde ilgili derslikte işlenen dersin kimliğini (Course Identity) göstermektedir.
Figure 6: A sample of Engineering faculty course schedule. Course Identity is written on the figure. (Şekil 6'nın eksenleri 'Classroom' ve 'Time Slot' olarak etiketlenmiştir)
Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "S. ASLAN, C. ACI", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES)", "keywords": "Course scheduling; ant colony optimization; timetabling", "pdf": ...
Murat KAYA ve arkadaşlarının 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında, 'pasif BBA' yaklaşımının temelini oluşturan teknoloji nedir?
Çalışmadaki pasif BBA yaklaşımının temelini Elektroensefalografi (EEG) teknolojisi oluşturmaktadır. Sistem, kullanıcının beyin dalgalarını EEG ile ölçerek dikkat durumunu izler.
Bu çalışmada, elektroensefalografik (EEG) beyin aktivitesi görüntüleme ve makine öğrenmesi yöntemlerinden Destek Vektör Makinesi'ni kullanarak, operatörlerin zihinsel dikkat durumlarını izlemek için pasif bir beyin bilgisayar arabirimi geliştirilmiştir.
Factual/Conceptual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Murat KAYA ve Çiğdem ACI'nın Yuriy MISHCHENKO ile birlikte yazdığı 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında, spektrogramların görsel incelemesi sonucunda 'aktif' dikkat durumu nasıl karakterize edilmiştir?
Spektrogramların görsel incelemesi sonucunda, 'aktif' dikkat durumunun karakteristik olarak 0-10 Hz aralığında yüksek seviyeli EEG aktivitesine sahip olduğu görülmüştür.
Bu şekilde elde edilen spektrogramlar görsel olarak incelenmiş ve elde edilen sonuçlar doğrultusunda "aktif" durumun karakteristik olarak 0-10 Hz aralıklarında yüksek seviyeli EEG aktivitesine sahip olduğu görülmüştür.
Factual/Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
KAYA vd. (2018) tarafından "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında geliştirilen sistemin gelecekteki sistem tasarımlarına nasıl rehberlik edeceği belirtilmiştir?
Çalışmanın sonuçlarının, EEG beyin aktivite verileri vasıtasıyla operatörlerin durumunu izlemek için gelecekte geliştirilecek sistemlerin tasarımına rehberlik edeceği ifade edilmiştir. Bu, elde edilen bulguların (örneğin, ilgili EEG bantları, etkili sınıflandırma yöntemleri) sonraki çalışmalarda kullanılabileceği anlam...
Yapılan çalışmanın sonuçları, EEG beyin aktivite verileri vasıtasıyla operatörlerin durumunu izlemek için gelecekteki sistemlerin tasarımına rehberlik edecektir.
Implication/Future Work
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
Eren Çürük ve arkadaşlarının 2018 tarihli çalışmasında, performans analizlerinde hangi ölçüt kullanılmış ve genel olarak nasıl bir performans elde edilmiştir?
Yapılan performans analizlerinde bütün sınıflandırıcılar için performans ölçütü olarak F-ölçütü alınmış ve genel olarak 0,90'ın üzerinde performans değerleri elde edilmiştir.
Yapılan performans analizlerinde bütün sınıflandırıcılar için performans ölçütü F-ölçütü olarak alınmış ve genel olarak 0,90'nın üzerinde performanslar alınmıştır.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
Murat KAYA, Çiğdem ACI ve Yuriy MISHCHENKO'nun 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında EEG verileri hangi örnekleme oranıyla ve nasıl kaydedilmiştir?
EEG verileri kablosuz olarak 128 Hz örneklem oranı ile bir adet dizüstü bilgisayara ve Matlab ortamında geliştirilmiş bir yazılım aracılığıyla kaydedilmiştir.
EEG verileri kablosuz olarak 128 Hz örneklem oranı ile bir adet dizüstü bilgisayar ve Matlab ortamında geliştirilmiş yazılım sayesinde kaydedilmiş ve çevrimdışı analiz edilmiştir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' (2018) çalışmasında, neden SGD sınıflandırıcısının karşılaştırma için sıklıkla seçildiği belirtilmiştir?
SGD sınıflandırıcısının, seyrek ve yüksek boyutlu verilerde iyi performans göstermesi nedeniyle karşılaştırma sınıflandırıcısı olarak sıklıkla seçildiği belirtilmiştir.
SGD, seyrek ve yüksek boyutlu verilerde iyi performans gösterdiğinden karşılaştırma sınıflandırıcısı olarak sıklıkla seçilmektedir.
Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
KAYA, ACI ve MISHCHENKO'nun 2018 tarihli "Zihinsel Dikkat Durumu İzlemi İçin Pasif Bir Beyin-Bilgisayar Arayüzü" çalışmasında sunulan Tablo 1'e göre, hangi gönüllüde (S1-S5) en yüksek ortalama doğruluk elde edilmiştir?
Tablo 1'deki verilere göre, 5 deneyin ortalaması alındığında en yüksek doğruluk oranı %96.7 ile S1 (Gönüllü 1) üzerinde elde edilmiştir.
TABLO I. Gönüllü katılımcıların kendi verileriyle eğitilmiş DVM sisteminin doğruluk tablosu. ... S1 % 98 % 99 % 93 % 95 % 97 % 96.7
Table Interpretation/Factual
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Murat KAYA, Çiğdem ACI, Yuriy MISHCHENKO", "doi": "Not Available", "faculty": "Mühendislik Fakültesi", "journal": "26. Sinyal İşleme ve İletişim Uygulamaları (SİU) Kurultayı", "keywords": "EEG, BBA, DVM, dikkat durumu tespiti", "pdf": "Scientific_Meetings...
2018'de UBMK'18 konferansında sunulan 'Siber Zorbalık Tespiti İçin yapay Sinir Ağı Tabanlı Sınıflandırıcıların Performans Analizi' çalışmasına göre, siber zorbalığın geleneksel zorbalıktan farkı nedir ve tespiti neden daha zordur?
Çalışmaya göre, geleneksel zorbalığın aksine, siber zorbalıkta kullanılan teknikler ve formlar hızla değişebilmekte ve tespit edilmesi daha zor olmaktadır. Örneğin, anonimlik sayesinde çevrimiçi insanlar hakkında söylentiler yaymak kolaylaşır ve yakalanma riski düşüktür.
Geleneksel zorbalığın aksine, siber zorbalık da kullanılan teknikler ve formlar hızla değişebilmekte, tespit edilmesi de daha zor olmaktadır. Örneğin, anonim bir şekilde çevrimiçi olan insanlar hakkında söylentiler yaymak kolaydır ve yakalanma riski düşüktür [5].
Analytical
{ "author": "Doç.Dr. ÇİĞDEM İNAN ACI", "authors": "Eren Çürük, Çiğdem Acı, Esra Saraç Eşsiz", "doi": null, "faculty": "Mühendislik Fakültesi", "journal": "Uluslararası Bilgi​sayar Bilimleri ve Mühendisliği ​Konferansı (UBMK 2018)", "keywords": "Siber Zorbalık, Sınıflandırma, Metin Madenciliği, DVM, RBF, SGD...
End of preview.
README.md exists but content is empty.
Downloads last month
6