Tez No	İndirme	Tez Künye	Durumu
769375		Event detection via tracking the change in community structure, communication trends, and graph embeddings / Topluluk yapısındaki, iletişim trendlerindeki ve çizge temsillerindeki değişikliği izleme yoluyla olay tespiti Yazar:RIZA AKTUNÇ Danışman: PROF. DR. PINAR KARAGÖZ ; PROF. DR. İSMAİL HAKKI TOROSLU Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2022 144 s.
Olay tespiti, iklim kayıtları, trafik verileri, haber metinleri, sosyal medya gönderileri veya sosyal etkileşim kalıpları gibi çeşitli veri kaynaklarından olayları tespit etmeyi amaçlayan popüler bir araştırma problemidir. Bu çalışmada, topluluk yapısındaki, iletişim eğilimlerindeki ve çizge temsillerindeki değişiklikleri izleyerek olay tespiti yapılması amaçlanmıştır. Bu amaçla, çeşitli topluluk yapısı, iletişim eğilimi ve çizge temsili tabanlı olay tespit yöntemleri önerilmiştir. Ek olarak, önerilen algoritmaların farklı büyüklük aralıklarına sahip topluluklara odaklanabilmesi ve önemli ölçüde zaman verimliliği elde edilebilmesi için topluluk büyüklük aralığına dayalı değişiklik izleme adı verilen yeni bir strateji sunulmaktadır. Önerilen yöntemlerin olay algılama performansı, literatürdeki önceki çözümlere kıyasla bir dizi gerçek dünya ve kıyaslama veri seti kullanılarak analiz edilmiştir. Deneyler, önerilen yöntemlerin temel yöntemlerden daha yüksek olay algılama doğruluğuna sahip olduğunu göstermektedir. Ayrıca ölçeklenebilirlikleri, yüksek hacimli iletişim verileri kullanılarak analiz edilmiş ve sunulmuştur. Önerilen yöntemler arasında topluluk yapısı temelli bir yöntem olan CN-NEW genel olarak en iyi performansı göstermektedir. Önerilen iletişim trendine dayalı yöntemler, çoğunlukla iletişim veri setlerinde (CDR gibi) daha iyi performans gösterirken, topluluk yapısına dayalı yöntemler sosyal medya tabanlı veri setlerinde daha iyi performans gösterme eğilimindedir. Önerilen çizge temsili tabanlı yöntemler, genellikle düşük yürütme sürelerine ve küçük iletişim veri kümelerinde daha yüksek doğruluk değerleri üretme potansiyeline sahiptir.
Event detection is a popular research problem aiming to detect events from various data sources, such as climate records, traffic data, news texts, social media postings or social interaction patterns. In this work, event detection is studied on social interaction and communication data via tracking changes in community structure, communication trends, and graph embeddings. With this aim, various community structure, communication trend, and graph embedding based event detection methods are proposed. Additionally, a new strategy called community size range based change tracking is presented such that the proposed algorithms can focus on communities with different size ranges, and considerable time efficiency can be obtained. The event detection performance of the proposed methods are analyzed using a set of real world and benchmark data sets in comparison to previous solutions in the literature. The experiments show that the proposed methods have higher event detection accuracy than the baseline methods. Additionally, their scalability is presented through analysis by using high volume of communication data. Among the proposed methods, CN-NEW, which is a community structure based method, performs the best on the overall. The proposed communication trend based methods perform better mostly on communication data sets (such as CDR), whereas community structure based methods tend to perform better on social media-based data sets. The proposed graph embedding based methods have the potential to produce higher accuracy values in small communication data sets with generally low execution times.