Mobbing içerikli yargı kararlarının makine öğrenmesi algoritmaları ile sınıflandırılması

Abstract

Bilgisayar teknolojileri ve internet kullanımındaki gelişmeler, üretilen veri boyutu ve çeşitliliğini artırmakla kalmamış bu verilere ulaşılmasını da kolaylaştırmıştır. Günümüzde birçok bilgiye internet üzerinden online olarak ulaşmak mümkün hale gelmiştir. Bu bilgilerin bir kısmı yapısal verilerden oluşurken bir kısmı yapısal olmayan (ses, görüntü, metin vs.) verilerden oluşur. Bu verilerin zamanında ve doğru analiz edilmesi kriz süreçlerinin yönetilmesi, karar aşamasında yön tayini, stratejik planların oluşturulması, ülkelerin yönetimi, ulusal ve uluslararası güvenlik gibi birçok konuda kritik öneme sahiptir. Veri yığınlarını kullanılabilir özet bilgilere dönüştürebilmek için çeşitli madencilik yöntemleri uygulanmaktadır. Metin verileri üzerinde yapılan madencilik çalışmaları metin madenciliği uygulamalarıdır. Metin verileri yapısal olmayan verilerdir ve bilgisayarda işlenebilmeleri için bir dizi ön işlemden geçirilerek analize hazır hale getirilmelidirler. Bu tez kapsamında, metin madenciliği yöntemleri kullanılarak mobbing içerikli yargı kararları incelenmiştir. Model python pogramlama dilinde yazılmıştır. Mobbing karaları güncel bir konu olması ve ispat edilmesi zor bir dava konusu olması sebebi ile tercih edilmiştir. Yüksek mahkemece verilen kararlar mobbing iddiasının kabul edilip edilmemesine göre iki sınıfa ayrılmıştır. Ardından makine öğrenmesi yöntemlerinden sınıflandırma analizi yapılarak gözetimli öğrenme gerçekleştirilmiştir. Oluşturulan model ile mobbing kararlarının sınıflandırılmasında %80 ve üzeri başarı sağlanmıştır.

Developments in computer technologies and internet usage have not only increased the size and variety of data produced, but also facilitated access to these data. Today, it has become possible to reach a lot of information online over the internet. While some of this information consists of structural data, some of it consists of unstructured data (sound, image, text, etc.). Timely and accurate analysis of these data has critical importance in many aspects such as managing crisis processes, determining the direction in decisionmaking, creating strategic plans, managing countries, national and international security. Various mining methods are used to transform data stacks into usable summary information. Mining studies on text data are text mining applications. Text data are unstructured data and must be prepared for analysis by a series of preprocessing in order to be processed on the computer. Within the scope of this thesis, judicial decisions involving mobbing were analyzed using text mining methods. Mobbing decisions have been preferred because it is a current issue and is a difficult subject to prove. The decisions given by the high court are divided into two classes according to whether the mobbing claim is accepted or not. Then, by performing classification analysis, one of the machine learning methods, supervised learning was realized. With the created model, a success of 80% or more has been achieved in classifying mobbing decisions.