Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/6986
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorErgenç Bostanoğlu, Belginen_US
dc.contributor.authorGüvenoğlu, Büşra-
dc.date.accessioned2018-11-19T08:19:16Z
dc.date.available2018-11-19T08:19:16Z
dc.date.issued2018-07
dc.identifier.citationGüvenoğlu, B. (2018). Analyzing social media data by frequent pattern mining methods. Unpublished master's thesis, Izmir Institute of Technology, Izmir, Turkeyen_US
dc.identifier.urihttp://hdl.handle.net/11147/6986
dc.descriptionThesis (Master)--Izmir Institute of Technology, Computer Engineering, Izmir, 2018en_US
dc.descriptionIncludes bibliographical references (leaves: 55-58)en_US
dc.descriptionText in English; Abstract: Turkish and Englishen_US
dc.description.abstractData mining is a popular research area that has been studied by many researchers and focuses on finding unforeseen and important information in large dataset. Social media data is one of the most popular and large heterogeneous data collected from social networking sites, microblogs, photo or video sharing sites. Social media represents the entities and their relations. One of the popular data structures used to represent large heterogeneous data in the field of data mining is graphs. The nodes of a graph represent entities and the edges of a graph represent the relations between the entities. So, graph mining is one of the most popular subdivisions of data mining. A frequent pattern is referred to as pattern that is more frequently encountered than the user-defined threshold in a dataset. Frequent patterns in a dataset can give important information about dataset. Using this information, data can be classified or clustered. Frequent patterns can provide different perspective on social media data with respect to sociology, consumer behaviour, marketing, communities. In this thesis, popular frequent pattern mining algorithms have been examined and it has been observed that most algorithms are not suitable for large datasets. Since data in today’s world, especially social networks, has very large data, the existing pattern mining algorithms are not suitable for this data. The aim of this thesis is to implement an existing frequent pattern mining algorithm in parallel manner and to find frequent patterns in a social media data.en_US
dc.description.abstractVeri madenciliği, birçok araştırmacı tarafından incelenen ve büyük veri setinde öngörülemeyen ve önemli bilgileri bulma üzerine odaklanan popüler bir araştırma alanıdır. Sosyal medya verileri, sosyal ağ siteleri, mikrobloglar, fotoğraf veya video paylaşım sitelerinden toplanan en popüler ve büyük heterojen verilerden biridir. Sosyal medya, varlıkları ve onların ilişkilerini temsil eder. Veri madenciliği alanındaki büyük heterojen verileri temsil etmek için kullanılan popüler veri yapılarından biri graftır. Bir grafın düğümleri varlıkları, kenarları ise varlıklar arasındaki ilişkileri temsil eder. Dolayısıyla, graf madenciliği, veri madenciliğinin en popüler alt bölümlerinden biridir. Bir sık örüntü, bir veri kümesinde kullanıcı tanımlı eşiğe göre daha sık rastlanan örüntü olarak adlandırılır. Veri kümesindeki sık örütüler veri kümesi hakkında önemli bilgiler verebilir. Bu bilgiyi kullanarak, veriler sınıflandırılabilir veya kümelenebilir. Sık örüntüler sosyoloji, tüketici davranışı, pazarlama, topluluklar açısından sosyal medya verilerine farklı bir bakış açısı sağlayabilir. Bu tez kapsamında popüler sık örüntü madenciliği algoritmaları incelenmiştir ve çoğu algoritmanın büyük veri setleri için uygun olmadığı gözlenmiştir. Günümüz dünyasındaki veriler, özellikle sosyal ağlar çok büyük verilere sahip olduğundan, var olan sık örüntü madenciliği algoritmaları bu veri setleri için uygun değildir. Bu tezin amacı, mevcut bir sık örüntü madenciliği algoritmasını paralel bir şekilde uygulamak ve bir sosyal medya verisinde sık örüntüleri bulmaktır.en_US
dc.format.extentix, 58 leavesen_US
dc.language.isoenen_US
dc.publisherIzmir Institute of Technologyen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectSocial mediaen_US
dc.subjectData miningen_US
dc.subjectHeterogeneous dataen_US
dc.titleAnalyzing social media data by frequent pattern mining methodsen_US
dc.title.alternativeSosyal medya verisinin sık kümeler madenciliği yöntemleri kullanılarak çözümlenmesien_US
dc.typeMaster Thesisen_US
dc.institutionauthorGüvenoğlu, Büşra-
dc.departmentIzmir Institute of Technology. Computer Engineeringen_US
dc.relation.publicationcategoryTezen_US
item.openairetypeMaster Thesis-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.languageiso639-1en-
item.fulltextWith Fulltext-
item.grantfulltextopen-
item.cerifentitytypePublications-
Appears in Collections:Master Degree / Yüksek Lisans Tezleri
Files in This Item:
File Description SizeFormat 
T001748.pdfMasterThesis640.13 kBAdobe PDFThumbnail
View/Open
Show simple item record

CORE Recommender

Page view(s)

40
checked on Jan 17, 2022

Download(s)

18
checked on Jan 17, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.