Sosyal Medya Metinlerinden Yapay Zekâ Yöntemleri Kullanarak Siber Zorbalık Tespiti
Abstract views: 9
/ 
PDF downloads: 12
Keywords:
Siber Zorbalık, Doğal Dil İşleme, Yapay Zeka, Metin Madenciliği, Makine ÖğrenmesiAbstract
Günümüzde sosyal medya platformlarının kullanımının yaygınlaşması, bireylerin dijital ortamlarda
maruz kaldığı siber zorbalık vakalarında ciddi bir artışa neden olmuştur. Bu çalışma, Türkçe sosyal medya
metinlerinde siber zorbalık içeriklerinin otomatik olarak tespit edilmesini ve bu içeriklerin yalnızca ikili
sınıflandırma ile değil, türlerine göre de ayrıştırılmasını amaçlamaktadır. Literatürdeki sınırlı çalışmaların
aksine, bu araştırmada taciz, ifşa, dışlama, parlama ve kimliğe bürünme gibi 8 farklı siber zorbalık türü ile
zorbalık içermeyen metinlerden oluşan, toplam 10.860 satırlık kapsamlı ve dengeli bir veri seti oluşturul
muştur. Metinler üzerinde temizleme ve doğal dil işleme teknikleri uygulandıktan sonra; bağlamsal öğ
renme yeteneğine sahip derin öğrenme modeli BERT ile TF-IDF ağırlıklandırma yöntemini kullanan
XGBoost ve Lojistik Regresyon algoritmalarının performansları karşılaştırmalı olarak analiz edilmiştir.
Elde edilen bulgulara göre, TF-IDF tabanlı XGBoost ve Lojistik Regresyon modelleri %97 genel doğruluk
oranına ulaşırken, BERT modeli özellikle anlamsal ilişkilerin yoğun olduğu durumlarda %94 başarı ve 0.94
F1 skoru göstermiştir. Çalışma sonucunda, Türkçe metinlerde siber zorbalığın alt türlerinin yüksek doğru
lukla tespit edilebildiği ve önerilen çok sınıflı yapay zekâ sisteminin, dijital güvenliğin sağlanmasında pro
aktif bir çözüm olarak kullanılabileceği ortaya konulmuştur.
Downloads
References
E. Yazğılı and M. Baykara, "Türkçe metinlerde makine öğrenmesi yöntemleri ile siber zorbalık tespiti," Gümüşhane Üniversitesi Fen Bilimleri Dergisi, vol. 12, no. 2, pp. 443-453, 2022.
S. T. Laxmi, R. Rismala, and H. Nurrahmi, "Cyberbullying detection on Indonesian twitter using doc2vec and convolutional neural network," in 2021 9th international conference on information and communication technology (ICoICT), 2021: IEEE, pp. 82-86.
N. Rezvani and A. Beheshti, "Towards attention-based context-boosted cyberbullying detection in social media," J. Data Intell, vol. 2, pp. 418-433, 2021.
P. Fortuna and S. Nunes, "A survey on automatic detection of hate speech in text," Acm Computing Surveys (Csur), vol. 51, no. 4, pp. 1-30, 2018.
T.-M. Song and J. Song, "Prediction of risk factors of cyberbullying-related words in Korea: Application of data mining using social big data," Telematics and Informatics, vol. 58, p. 101524, 2021.
E. Yazğılı and M. Baykara, "Siber zorbalık tespit yöntemleri potansiyel uygulama alanları ve zorluklar," Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, vol. 12, no. 1, pp. 23-35, 2021.
T. Alsubait and D. Alfageh, "Comparison of machine learning techniques for cyberbullying detection on youtube arabic comments," International Journal of Computer Science & Network Security, vol. 21, no. 1, pp. 1-5, 2021.
S. A. Özel, E. Saraç, S. Akdemir, and H. Aksu, "Detection of cyberbullying on social media messages in Turkish," in 2017 International Conference on Computer Science and Engineering (UBMK), 2017: IEEE, pp. 366-370.
Y. Luo, X. Zhang, J. Hua, and W. Shen, "Multi-featured cyberbullying detection based on deep learning," in 2021 16th international conference on computer science & education (ICCSE), 2021: IEEE, pp. 746-751.
R. Bayari and A. Bensefia, "Text mining techniques for cyberbullying detection: state of the art," Advances in Science, Technology and Engineering Systems Journal, vol. 6, no. 1, pp. 783-790, 2021.
Ş. Şahiner Yılmaz, İ. Özer, and H. Gökçen, "Türkçe Metinlerde Derin Öğrenme Yöntemleri Kullanılarak Duygu Analizi," 2021.
A. Bozyiğit, S. Utku, and E. Nasiboğlu, "Cyberbullying detection by using artificial neural network models," in 2019 4th International Conference on Computer Science and Engineering (UBMK), 2019: IEEE, pp. 520-524.
