SOSYAL MEDYAYA GİRİŞ - Deneme Sınavı - 11

Altı adımlı sosyal ağ analizi için web madenciliği kullanım sürecinin adımları (Dhawan vd., 2014): 

• Adım 1. Analiz hedeflerinin seçimi: İlk adım, e-posta, web, telefon iletişimi vb. analiz hedefleri seçilir. Birden fazla hedef de seçilebilir. 

• Adım 2. Sosyal ağ analizinin seçimi: Sosyal ağ analiz metodolojisi seçilir. Analiz hedefleri çoğunlukla yapılar, içerik ve kullanıcı davranışları gibi web kaynakları üzerinde yoğunlaşmaktadır. 

• Adım 3. Veri hazırlama: Bu adımda, ilgili veriler analiz için toplanır ve veritabanında saklanmak için önceden işlenir ve temizlenir. 

• Adım 4. Web madenciliği teknikleri seçimi: Web madenciliği teknikleri (web içerik madenciliği, web yapı madenciliği ve web kullanım madenciliği) veya kullanılacak kombinasyonları seçilir ve onlar ile işlem yapılır. 

• Adım 5. Sonuçların sunumu ve yorumlanması: Web madenciliğinden elde edilen analiz sonuçları otomatik veya manuel olarak veya görselleştirme teknikleriyle sunulur ve yorumlanır. 

• Adım 6. Öneri ve eylem: Bu isteğe bağlı bir adımdır ve analiz sonuçları üretildikten sonra süreç sona erebilir.

Web yapı madenciliği, web sitesi ve web sayfası hakkında yapısal özet oluşturmayı amaçlar. Teknik olarak, web içerik madenciliği esas olarak belgenin iç yapısına odaklanırken, web yapı madenciliği, köprüler arasındaki bağlantı yapısını belgeler arası düzeyde keşfetmeye çalışır. Köprülerin topolojisine dayanarak, web yapı madenciliği, web sayfalarını kategorilere ayırır ve farklı web siteleri arasındaki benzerlik ve ilişki gibi bazı bilgileri oluşturur. Web yapı madenciliği web’in link yapısının analizine odaklanır ve daha çok tercih edilen belgeleri tanımlamayı amaçlar. A belgesinden B belgesine giden bir köprü var ise, A belgesini incelerken B belgesinin değerli bilgiler içerebileceğini düşünür. Web yapı madenciliği web siteleri arasındaki benzerlikleri, belirli bir konu veya disiplin için önemli siteleri keşfetmeye yardımcı olur. 

Sosyal bilimlerde sosyal aktörler arasındaki etkileşimin incelenmesine dayanan yapısal yaklaşım olarak tanımlanan “sosyal ağ analizi” 19. yüzyıldan beri sosyolojinin önemli bir alanıdır. Dolayısıyla cevap A şıkkıdır.

Temel olarak veri madenciliği, e-ticaret uygulamalarındaki işlem verileri veya biyoinformatik araştırma alanındaki genetik ifadeler gibi farklı veri türlerinde ifade
edilebilecek büyük miktarda veriden bilginin elde edilmesini ifade eder. Dolayısıyla cevap B şıkkıdır.

Sosyal ağ analizi, gruplar ve kuruluşlardaki bireyler arasındaki etkileşimi modellemek, görselleştirmek ve analiz etmek için kullanılan bir araçtır. Dolayısıyla cevap C şıkkıdır.

Springer ve Steiguer (2011) çalışmalarında sosyal ağ analiz sürecini 3 adımda sunmuşlardır. Bu
adımlar: Ağı tanımlama, sosyal etkileşim verilerini toplama ve veri analizidir. Dolayısıyla cevap D şıkkıdır.

Bilgi keşfi, potansiyel olarak yararlı veya önceden bilinmeyen bilgileri verilerden ayıklayan bir işlemdir. Dolayısıyla cevap E şıkkıdır.

Veri madenciliği teknikleri temel olarak iki ayrı nitelik için tanımlanır. Dolayısıyla cevap A şıkkıdır.

Veri ambarları, veri tabanlarını yormamak için oluşturulmuş, daha hızlı çalışan, özelleştirilmiş ve veri tabanlarına göre daha az veri saklayan yapılardır. Dolayısıyla cevap B şıkkıdır.

Web içerik madenciliği iki yaklaşıma göre sınıflandırılabilir. Dolayısıyla cevap C şıkkıdır.

Genel olarak, kullanıcının gezinme modelini keşfetmek için web madenciliği alanına uygulanan 3 tür veri madenciliği tekniği vardır. Bunlar kümeleme, sınıflandırma ve ilişkilendirme kuralıdır. Dolayısıyla cevap D şıkkıdır.

Sosyal ağ analizinde web madenciliğinin kullanımı çok önemli bir yere sahiptir. Web madenciliğinin 3 önemli yapı taşının (web içerik madenciliği, web yapı madenciliği ve web kullanım madenciliği) da bu alanda önemli fonksiyonları ve kullanım alanları vardır. Dolayısıyla cevap E şıkkıdır.

Veri madenciliği en basit tanımıyla veriler arasında beklenmeyen/önceden bilinmeyen ilişkileri keşfetmedir.

Sınıflandırma, belirli bir nesnenin özelliklerini inceleyerek önceden tanımlanmış kategoriye (sınıfa) atama işlemi olarak tanımlanır.

Tahmin, sonuçları zamanla değişkenlik gösteren durumlarla ilgilidir. Gelir, yaş, boy, kredi kartı bakiyesi gibi bazı bilinmeyen sürekli değişkenler için değer bulmada tahmin teknikleri kullanılır.

Şebeke bazlı: Çok seviyeli, bir taneli yapıya dayanır.

Hiyerarşi algoritmaları: Bazı ölçütleri kullanarak veri kümesinin (veya nesnelerin) hiyerarşik bir ayrıştırmasını oluşturur.

Yakınlık gruplaması, bir veri tabanındaki bir dizi nesne arasındaki belirli ilişkileri ortaya çıkarmaya çalışır.

Yoğunluğa dayalı: Bağlantı ve yoğunluk işlevlerine dayalıdır.