Developing novel methods on data stream classification and clustering for accuracy improvement

ENGİN MADEN

Developing novel methods on data stream classification and clustering for accuracy improvement

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: ENGİN MADEN

Danışman: Pınar Karagöz

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Sosyal medya, telekomünikasyon ağı veya kredi kartı işlemleri gibi farklı kaynaklardan gelen veri akışı birikmekte ve hızla büyümektedir. Dolayısıyla bu kadar büyük veri ortamlarından değerli bilgilerin üretilmesi daha da önemli hale gelmiştir. Veri akışlarının sürekli veri gelmesi, yüksek hacim, verinin hızla ulaşması ve veri dağılımının değişebilmesi gibi bazı kendine özgü özellikleri bulunmaktadır. Bu özelliklerden dolayı veri akışlarının işlenmesinde sınırlı kaynak ve süre gibi bazı kısıtlar bulunmaktadır ve veriler yalnızca bir kez taranabilmektedir. Bu noktada veri akışı madenciliği, kümeleme ve sınıflandırma gibi geleneksel veri madenciliği işlemlerinin akış versiyonuyla ortaya çıkmaktadır. Bu çalışmada, veri akışı kümelemesinin özel bir alanı olarak veri akışı sınıflandırması ve kısa metin akışı kümelemesi üzerinde çalışılmıştır. Bazı iyileştirmeler ile yeni yöntemler önerilmiş ve bunların performansı en gelişmiş yöntemlerle karşılaştırılmıştır. Veri akışı sınıflandırması için önerdiğimiz yöntemler, m-kNN (Mean Extended kNN) ve m-kNN ile MC-NN (Micro Cluster Nearest Neighbour) yöntemlerinin birleşimi olan CSWB (Combined Sliding Window Based) sınıflandırıcı olarak adlandırılmıştır. Ayrıca CSWB'nin iki yeni sürümü de sunulmaktadır: CSWB-e ve CSWB-e2. Bu yöntemlerde de m-kNN sınıflandırıcımız önce K* (K-Star) ve C4.5 ile sonra da K* (K-Star) ve Naive Bayes ile birleştirilmektedir. Kısa metin akışı kümelemesi için önerdiğimiz yönteme T-GSC (A Two Level Graph Based Short Text Stream Clusterer) adını verdik. Ayrıca kısa metin akışı kümelemesinde güncel yöntemler hakkında bir araştırma çalışması hazırlanmış ve bu yöntemleri kümeleme yaklaşımlarına göre sınıflandırılmıştır.