000			05263nam a2200445 i 4500
999			_c200439871 _d58083
003			TR-AnTOB
005			20230908000952.0
007			ta
008			171111s2020 xxu e mmmm 00| 0 eng d
035			_a(TR-AnTOB)200439871
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_atur
099			_aTEZ TOBB FBE BİL YL’20 TOR
100	1		_aTorusdağ, Muhammet Buğra _eauthor _9129521
245	1	0	_aMakine öğrenmesi tabanlı twıtter sosyal bot tespit sistemlerinin performanslarının değerlendirilmesi / _cMuhammet Buğra Torusdağ; thesis advisor Ali Aydın Selçuk.
246	1	1	_aEvaluation of machine learning based twitter social bot detection systems
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2020.
300			_axiv, 53 pages : _billustrations ; _c29 cm
336			_2rdacontent _btxt _atext
337			_2rdamedia _bn _aunmediated
338			_2rdacarrier _bnc _avolume
502			_aTez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Aralık 2020
520			_aTwitter gibi sosyal medya platformları insanların rahat bir şekilde iletişim kurabilmesi için oldukça etkili mecralardır. Bu platformlar hayatı kolaylaştırmak adına birçok avantaj sağlamasına rağmen, insanların kandırılması, yanlış bilgi yayılarak insanların yanlış yönlendirilmesi, manipüle edilmesi ve sözlü taciz gibi birçok soruna da neden olmaktadır.. Özellikle sosyal botlar, bahsedilen zararlı içeriklerin hızlı bir şekilde yayılması ve daha görünür hale gelebilmesi adına sürekli olarak içerek paylaşarak bu aktivitelerin gerçekleştirilmesini daha kolay bir hale getirmektedir. Bu durumu engelleyebilmek adına sosyal bot tespit sistemleri geliştirilmiştir. Buna rağmen, geliştirilen sistemlerin performansları, veri setlerinin sınırlı sayıda ve türde bot hesap bulundurmasından dolayı tam doğru bir şekilde değerlendirilememektedir. Bundan dolayı, bu tezde yapılan çalışmalarda bot tespit sistemlerinin performanslarının doğru bir şekilde değerlendirilebilmesi ve sosyal bot tespiti probleminin çözülüp çözülemediği araştırılmaktadır. Yapılan deneyler ile, 4 farklı bot tespit sisteminin performansları farklı deney düzenekleri üzerinde karşılaştırılarak en yüksek performansa sahip model bulunmaya çalışılmıştır. Kullanılan modellerin orijinal çalışmalarında raporlanan skorların çok yüksek olduğu görülmesine rağmen, modeller farklı test setlerinde düşük performanslar göstermişlerdir. Buna rağmen, performansı en yüksek olan modelin Botometer olduğu anlaşıldığından, Botometer'ın performansının daha detaylı incelenmesi gereksinimi ortaya çıkmıştır. Farklı bir bakış açısıyla deneyler gerçekleştirilerek Botometer'ın performansı 5 farklı bot senaryosu kullanılarak değerlendirilmiştir. Bu deneyler sonucunda, Botometer'ın yalnızca 1 senaryo dışında tüm senaryolarda kötü performans sergilediği görüldüğünden, sosyal bot tespiti probleminin hala araştırılmaya açık bir problem olduğunu anlaşılmaktadır.
520			_aSocial media platforms such as Twitter, provide an incredibly effective way to communicate with people. While these platforms have many benefits, they can also be used for deceiving people, spreading misinformation, manipulation and verbal harassment. Social bots are usually employed for these kind of activities to artificially increase the amount of a particular post. To mitigate the effects of social bots, many bot detection systems are developed. However, the evaluation of these methods are challenging due to lack limited available datasets and the variety of bots people might develop. Therefore, in this thesis, it has been investigated whether the performance of bot detection systems can be accurately evaluated and the social bot detection problem is solved. The experiments carried out, the performances of 4 different bot detection systems are compared on different experimental setups to find which model has the highest performance. Although it was observed that the scores in the original studies where the models were very high, the models showed poor performance in different test sets. However, since it is understood that the model with the highest performance is the Botometer, a more detailed examination of the performance of the Botometer should be done. Experiments were carried out with a different perspective and the performance of the Botometer is evaluated using 5 different bot scenarios. As a result of these experiments, Botometer shows low performance in all scenarios except one and the problem of social bot detection is still an open problem to investigate.
653			_aTwitter
653			_aMakine öğrenmesi
653			_aSosyal bot tespiti
653			_aPerformans değerlendirme
653			_aBotometer
653			_aBot senaryoları
653			_aMachine learning
653			_aSocial bot detection
653			_aEvaluation
653			_aBotometer
653			_aBot scenarios
700	1		_aSelçuk, Ali Aydın _9126357 _eadvisor
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
942			_cTEZ _2z