Metin madenciliği yöntemleri kullanarak illere göre haber analizi

Abstract

Günümüzde teknolojinin gelişmesi ile birlikte insanların haber alma seçenekleri daha da artmıştır. Özellikle günlük gazete ve dergilerin yerine daha kolay erişim sağlanabilen e-gazete ve e-dergiler tercih edilmektedir. Sosyal medya kullanımının yaygınlaşması, kullanıcı yorumlarına verilen önemin değer kazanması ve e-gazete kültürünün günden güne artması ile birlikte metin içerikli verilerin analiz ihtiyacı da ortaya çıkmıştır. Ancak büyük miktardaki bu veriden ihtiyaç duyulan bilginin çıkartılması git gide zorlaşmaktadır. Bu büyük veriden anlamlı bilgiler çıkarmak için son zamanlarda araştırmacılar metin madenciliği yaklaşımları üzerinde çalışmalarını yoğunlaştırmışlardır.Veri madenciliğinde olduğu gibi metin madenciliğinde de verinin analiz edilebilmesi için bazı aşamalardan geçmesi gerekmektedir. Metin verisinin analiz edilebilmesi için verinin ön işlem adımlarından geçirilerek analize hazır hale dönüştürülmelidir. Ön işleme süreci, analiz yaklaşımlarının sonucunu doğrudan etkilediği için en önemli adımlardan biridir. Bu çalışmada, Türkiye'deki her il için yayımlanan haberlere bir konu modelleme yöntemi olan Gizli Dirichlet Tahsisi kullanılarak en yüksek frekansa sahip 10 konu belirlenmiştir. Veri seti olarak Hürriyet gazetesinin açık kaynak veri tabanında bulunan haberler kullanılmıştır.