EJONS INTERNATIONAL JOURNAL ON MATHEMATICS, ENGINEERING & NATURAL SCIENCES ISSN 2602 - 4136

Quick Access


Bu Dergi DOI ve Crosscheck üyesidir


TWİTTERDA VERİ MADENCİLİĞİ YÖNTEMLERİN KULLANARAK BOT TESPİTİ
(DETECTION OF BOTS USING DATA MINING METHODS IN TWITTER )

Author : Alina AMANZHOLOVA  İbrahim Alper DOĞRU, Aysun COŞKUN  
Type :
Printing Year : 2019
Number : 11
Page :
Cite : Alina AMANZHOLOVA İbrahim Alper DOĞRU, Aysun COŞKUN, (2019). TWİTTERDA VERİ MADENCİLİĞİ YÖNTEMLERİN KULLANARAK BOT TESPİTİ. EJONS INTERNATIONAL JOURNAL ON MATHEMATICS, ENGINEERING - NATURAL SCIENCES, 11, p. . Doi: .
    


Summary

Twitter, günde 500 milyon tweet yayınlayan 319 milyon aylık aktif kullanıcıya sahip olan en popüler sosyal medya platformlarından biridir. Bu popülerlik Twitter'ı meşru kullanıcıları kimlik avı yapmak veya kötü amaçlı yazılımlar yaymak, tweet'lerde paylaşılan URL'leri kullanarak reklam vermek, meşru kullanıcıları takip etmek ve dikkatlerini çekmek, cinsel içerikli haberleri yaymak için trend olan konuları ele almak gibi nedenlerle Twitter'i kullanan spam göndericilerin dikkatini çekmektedir. Bu çalışmanın amacı, Twitter’da bot tespiti için kullanılan veri madenciliği yöntemlerinin en doğruluğu yüksek olanın belirtmektedir. Makalede, Twitter bot tespitinin özellikleri sunulmuştur. Ayrıca, literatürde sıkça kullanılan veri madenciliği yöntemleri: karar ağaçları, lojistik regresyon, Naive Bayes, Random forest sınıflandırma ve k Means kümeleme algoritmaların kullanarak Twitter’da bot tespiti yapılmaktadır. Hesap ve tweet üzerinden sınıflandırma doğruluğun yükseltmek için sınıflandırma algoritmaları ile SMOTE ve Resample teknikleri kullanmaktadır. Sonuç olarak kullanılan yöntemlerinin doğruluğu kategorize edilerek tartışılmıştır



Keywords
bot, Twitter, veri madenciliği, karar ağacı, sinir ağları, lojistik regresyon....

Abstract

Twitter is one of the most popular social media platforms with 319 million monthly active users that publish 500 million tweets per day. This popularity has caused Twitter to legitimate users, such as phishing or spreading malware, advertising using shared URLs in tweets, following legitimate users and attracting attention, and addressing trending topics to spread venereal content. The aim of this study is to identify the most accurate data mining methods used for bot detection on Twitter. In this article, features of Twitter bot detection are presented. In addition, data mining methods commonly used in the literature: decision trees, logistic regression, Naive Bayes, Random forest classification and k Means clustering algorithms are used to detect bot on Twitter. It uses SMOTE and Resample techniques with classification algorithms to improve the accuracy of classification through Accountbased and tweet-based. As a result, the accuracy of the methods used was categorized and discussed.



Keywords
bot, Twitter, data mining, decision tree, neural networks, logistic regression....

Advanced Search


Announcements

    Aralık Sayısı

    VERBİS'E KAYIT S�RELERİ HAKKINDA DUYURU | Kırklareli Ticaret ve ...

    Aralık ayında yayınlanacak Sayımız için  25 Kasım Tarihine kadar çalişmanızı Yükleyebilirsiniz



Address :Kazakh National Women's Pedagogical University, Almatı, Kazakhistan
Telephone :+7 778 921 0336 - 0 534 349 92 73 Fax :
Email :ejonsjournal@gmail.com

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri