ABSTRACT:Social networks are the real social experience of individuals in the online environment. In this environment, people use symbolic gestures and mimics, sharing thoughts and content. Social network analysis is the visualization of complex and large quantities of data to ensure that the overall picture appears. It is the understanding, development, quantitative and qualitative analysis of the relations in the social networks of Graph theory. Social networks are expressed in the form of nodes and edges. Nodes are people / organizations, and edges are relationships between nodes. Relations are directional, non-directional, weighted, and weightless. The purpose of this study is to examine the effects of social networks on the evaluation of person data with spatial coordinates. For this, the cluster size and the effect on the geographical area of the circle where the placements of the individual are influenced by the frequently used placeholder feature in the social networks have been studied.
Online Social Networks (OSNs) are great environments for sharing ideas, following news, advertising products etc., and they have been widely using by people. Although these advantages of OSNs, it is difficult to understand whether an account in OSNs really belongs to a person or organization. Through created fake accounts, unwanted content can spread over the social network. Therefore, the identification of fake accounts is an important problem. In this study, we applied Artificial Neural Network (ANN) classifier to this problem and we evaluated performances of different activation functions. According to the experimental results, use of artificial neural networks in detecting fake accounts yielded successful results. The use of various activation functions in different layers on the ANN significantly affects the results. In the literature, other classification methods have been widely used for detecting fake accounts and spammers on OSNs. To the best of our knowledge, there is no detailed study that classifies fake accounts using ANNs with different activation functions.
Çok çeşitli verinin analiziyle anlamlı sonuçlar elde edilmesine yönelik teknikler veri madenciliği kavramını ifade etmektedir. Birliktelik kuralları, veri madenciliğinin temel tekniklerinden birisidir. Genel olarak farklı olayların, birlikte gerçekleşebilme durumlarının tespit edilmesinde kullanılmaktadır. Analizi yapılan veri setinde bulunan verilerin birbirleri arasında bulunan birliktelik bağıntıları bulunabilmektedir.. Böylece bu bağıntılar arasında eğer bir yada daha fazla durum var ise, bu durumların sonucunda belli durumlar olabilir şeklinde çıkarımlar yapılabilmektedir. Bu çalışmada Kaynaşlı (Düzce) ilçesinde yer alan 2112 binaya ait deprem riski puanlama verileri kullanılmıştır. Bu verisetindeki sözel veriler; binalar ile ilgili kat yüksekliği, kullanım durumu, bina malzemesi, 1999 depremi öncesinde ya da sonrasında inşaa edilme durumu ve elde edilen risk puanlarından oluşmaktadır. Daha detaylı birliktelik analizi yapılması için coğrafi bilgi sistemleri kullanılarak kesişim analizi yapılmış ve veri setinin mekansal verileri elde edilmiştir. Bunlar binaların bulundukları konumlara bağlı olarak oluşturulan eğim, jeoloji, taşıma gücü, zemin titreşim, zemin sınıfı, zemin büyütme ve yer altı suyu verileridir. Elde edilen sonuçlara göre bir binanın yerel deprem puanı 93.5'den büyük ve zemin titreşimi 0.10-0.20 aralığında ise düşük riskli, bina 2 katlı ve düşük riskli ise yerel deprem puanı 93.5'den büyük ve meskendir gibi çıkarımlar yapılabilmektedir.
Depremin oluşumu ile ilgili ileriye dönük zamansal ve mekânsal tahmin edilmesi günümüz teknolojileri ile mümkün değildir. Fakat afete hazırlık aşamasında olası bir depremin etkilerini somutlaştırmak için oluşturulacak deprem senaryoları ile bir ilin güncel durumu belirlenebilir. Böylece şiddeti yüksek yani insanların can ve mal kayıplarının artabileceği bir deprem senaryosu kurgulanarak afete hazır olmak için gereken önlemlerin alınması sağlanabilir. Çalışmada çeşitli deprem senaryoları oluşturulmuştur. Bunun için 12 Kasım 1999 tarihinde meydana gelen 7.2 magnitud değerindeki deprem noktası baz alınmıştır. Deprem noktasının yakınında bulunan diri faylara 11 km'lik tampon bölgeler oluşturulmuş ve ilçelerin bulundukları deprem şiddet bölgeleri tespit edilmiştir. Sonrasında Türkiye İstatistik Kurumundan (TÜİK) alınan 2018 ilçe nüfusları ve 3.4 olan hane halkı sayılarına göre bu şiddet bölgeleri kullanılarak ilçeler bazında ağır, orta, az hasarlı bina sayıları ve ölü, yaralı sayıları ile birlikte açıkta kalacak insan ve ihtiyaç duyulacak çadır sayıları tespit edilmiştir. Elde edilen sonuçlar nüfusa oranlandığında il genelinde toplam 96961 binanın 22002 adeti ağır, 10774 orta ve 1671 adeti az hasarlı olacağı tahmin edilmiştir. Ayrıca 5720 ölü ve 14387 yaralı olacağı öngörülmüştür. Bununla birlikte açıkta kalacak 131108 kişi için 32777 çadır gerekmektedir. Mevcut maddi imkanlar değerlendirilerek varsa eksikliklerin giderilmesi ile olası bir deprem sonrasında hızlı müdahale imkânı artabilecektir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.