Tez No	İndirme	Tez Künye	Durumu
414344		Selecting feature subsets with nature inspired algorithms for cyberbully detection / Sanal zorbalık tespiti için doğa esinli algoritmalarla nitelik altkümelerinin seçimi Yazar:ESRA SARAÇ EŞSİZ Danışman: DOÇ. DR. SELMA AYŞE ÖZEL Yer Bilgisi: Çukurova Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2016 138 s.
Sanal zorbalık, Internet ya da e-posta, web sayfası, sms gibi diğer elektronik ortamları kullanarak savunmasız bir kişiye kötü davranışlarda bulunmak ya da hakaret etmek olarak tanımlanır. Birçok sanal zorbalık durumu intiharla sonuçlanmaktadır. Bu çalışmanın amacı, nitelik çıkarımı, nitelik seçimi ve sınıflandırmanın sanal zorbalık tespiti üzerindeki etkilerini göstermektir. Bu çalışmada birçok nitelik çıkarım yöntemi ile Karınca Kolonisi Optimizasyonu ve ki-kare istatistiği tabanlı bir nitelik seçim yöntemi önerilmiştir. Önerilen Karınca Kolonisi Optimizasyonu tabanlı algoritma Web bloglarından ve tweetlerden derlenen Formspring.me, MySpace, YouTube, Twitter ve Anti Social Behaviour veri setleri üzerinde test edilmiştir. Çalışmanın deneysel sonuçları, sanal zorbalık tespiti için nitelik seçiminde Karınca Kolonisi Optimizasyon yönteminin kabul edilebilir bir eniyileme yöntemi olduğunu kanıtlamıştır. Yapılan deneyler sonucunda, Karınca Kolonisi Optimizasyon yöntemiyle nitelikler azaltılırken, sınıflandırma performansı artmış ve/veya sınıflama süresi azalmıştır.
Cyberbullying can be defined as an aggressive, intentional action against a defenseless person by using the Internet or other electronic methods such as emails, web contents or text messages. In many cyberbullying cases, victims have attempted suicide due to the emotionally abusive, humiliating, and aggressive messages left by predators. The aim of this study is to show the effects of feature extraction, feature selection, and classifier used, on the performance of cyberbully detection. In this study, we propose several feature extraction methods as well as a new feature selection method based on Ant Colony Optimization and Chi-Square statistic. The proposed Ant Colony Optimization based algorithm was experimented on the Formspring.me, MySpace, YouTube, Twitter and Anti Social Behaviour datasets which are collected from Web blogs and tweets. The experimental results of this study proved that, Ant Colony Optimization is an acceptable optimization algorithm for feature selection to detect cyberbullying and applying feature selection reduces the number of features to be used during the classification process and improves run-time and/or classification performance.