SOSYAL MEDYAYA GİRİŞ - Deneme Sınavı - 12

Altı adımlı sosyal ağ analizi için web madenciliği kullanım sürecinin adımları 
• Adım 1. Analiz hedeflerinin seçimi 
• Adım 2. Sosyal ağ analizinin seçimi
• Adım 3. Veri hazırlama
• Adım 4. Web madenciliği teknikleri seçimi
• Adım 5. Sonuçların sunumu ve yorumlanması
• Adım 6. Öneri ve eylem. Doğru cevap C'dir.

*Adım 1. Analiz hedeflerinin seçimi
• Adım 2. Sosyal ağ analizinin seçimi
• Adım 3. Veri hazırlama
• Adım 4. Web madenciliği teknikleri seçimi
• Adım 5. Sonuçların sunumu ve yorumlanması
• Adım 6. Öneri ve eylem Doğru cevap D'dir.

Yakınlık gruplaması, bir veri tabanındaki bir dizi
nesne arasındaki belirli ilişkileri ortaya çıkarmaya çalışır. Bunun belirlenmesinde ilişkilendirme kuralları geliştirilmeye çalışılır. Buradaki temel mantık X içeren veri tabanının işlemlerinin, Y içerme eğiliminde olmasıdır. Doğru cevap B'dir.

Süreç;Veri-Hedef veri-İşlenmiş veri-Dönüştürülmüş veri-Örüntü/model ve bilgi şeklinde işlemektedi.Yani D seçeneği doğrudur.

Sınıflandırma, tahmin ve öngörü kullanılan başlıca denetimli veri madenciliği teknikleridir.

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

Patates cipsi alan müşterilerin %75’inin soğuk gazlı içecek alması Yakınlık gruplaması ile alakalıdır.

Kümeleme, farklı bir grubu/kayıtları bir dizi benzer alt gruba veya kümeye ayırma işlemidir.

En bilinen kümeleme yaklaşımı olan K-means algoritması, 1967 yılında MacQueen tarafından tasarlanan ve nesne gruplarının niteliklerine göre K bölüme ayrılmasını sağlayan bir kümeleme algoritmasıdır.

I.Analiz hedeflerinin seçimi

II.Sosyal ağ analizinin seçimi

III.Veri hazırlama

IV.Web madenciliği teknikleri seçimi

V.Sonuçların sunumu ve yorumlanması

VI.Tavsiye ve İşleme koyma

Yani A seçeneği doğrudur.

Web içerik madenciliği Metin,ses,resim,video,yapı Kaydı konuları ile ilgilidir.

Ünlü arama motoru Google, BigQuery isimli bir veri ambarı mimarisi kullanmaktadır. BigQuery mimarisi sunucusuzdur, yani Google makine kaynaklarının tahsisini dinamik olarak yönetir.

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

Veri entegrasyonu, verilerin güvenilirliğini etkilemeden fazlalığı mümkün olduğunca azaltmaya çalışır. 

Tahmin, sonuçları zamanla değişkenlik gösteren durumlarla ilgilidir. Gelir, yaş, boy, kredi kartı bakiyesi gibi bazı bilinmeyen sürekli değişkenler için değer bulmada tahmin teknikleri kullanılır. Örnek olarak, bir ailedeki araba sayısı ve modellerine bakılarak, o ailenin toplam hane halkı gelirinin tahmin edilmesi verilebilir. 

Kullanılan en yaygın kümele yaklaşımları: 

• Bölümleme algoritmaları: Çeşitli bölümler oluşturur ve bunları bir ölçütle değerlendirir. K-means algoritması en bilinen bölümleme algoritmasıdır. 

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

• Yoğunluğa dayalı: Bağlantı ve yoğunluk işlevlerine dayalıdır. 

• Şebeke bazlı: Çok seviyeli, bir taneli yapıya dayanır. 

• Model-temelli: Kümelerin her biri için bir model varsayılır ve bu modelin birbirlerine en uygun olduğunu bulmak gerekir. 

Web içerik madenciliği, ana nesnelerin web sayfalarına gömülü veya web sayfalarına bağlı metin, görüntü (resim), video, ses ve yapı kaydı gibi geleneksel multimedya araçları olduğu bilgi keşfini hedefler. 

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.

Denetimli veri madenciliği teknikleri şunlardır:

1) Sınıflandırma

2) Tahmin

3) Öngörü

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.