Bu makalede doğal dil işleme kullanılarak kontrolsüz olarak büyüyen yazılı sosyal paylaşım verilerinin içerisinden
anlamlı içeriklerin kategorize edilmesi amaçlanmıştır. Kategorize edilmeyen verilerin, artan kullanıcı ağına sahip
sosyal paylaşım kullanıcılarını olumsuz ve negatif içerikten dolayı rahatsız edebilmektedir. Belirtilen sebepten
dolayı olumlu ve olumsuz olmak üzere tüm yazılı sosyal paylaşım içeriklerinin tanımlı hedef etiketlerine otomatik
olarak sınıflandırılabilmesi için CNN ve LSTM tabanlı bir hibrit model önerilmiştir. Önerilen hibrit model ile en
basit gömme katmanı olan keras kullanılarak farklı kategorilere sahip sosyal paylaşım sistemi içeriklerinin
otomatik sınıflandırılması hedeflenmiştir. Gerçekleştirilen deneysel çalışmalar neticesinde önerilen yöntem ile
aynı veri setini kullanan literatürdeki farklı çalışmalardan daha iyi bir sonuç elde edilmiştir. Elde edilen performans
sonuçları önerilen yöntemin farklı çok etiketli metin analizi problemlerine de uygulanabileceği göstermektedir.
In this article, it is aimed to categorize meaningful content from uncontrolled growing written social sharing data
using natural language processing. Uncategorized data can disturb social sharing users with an increasing user
network due to deprecating and negative content. For the stated reason, a hybrid model based on CNN and LSTM
has been proposed to automatically classify all written social sharing content, both positive and negative, into
defined target tags. With the proposed hybrid model, it is aimed at automatically classifying the content of the
social sharing system into different categories by using the simplest embedding layer, keras. As a result of the
experimental studies carried out, a better result was obtained than in the different studies in the literature using the
same data set with the proposed method. The obtained performance results show that the proposed method can be
applied to different multilabel text analysis problems.
