User interest classification on social media using machine learning and deep learning models: A multi-domain approach

Sultan Zeybek; Melih Kaçaman

Makale detayları

User interest classification on social media using machine learning and deep learning models: A multi-domain approach

Yazarlar:

Sultan Zeybek | Melih Kaçaman

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Derin Öğrenme | Doğal Dil İşleme

Dergi:

Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi Vol.14 Issue 4, pp.1428-1435

Belge Tipi:

Makale

Yayın Tarihi:

10/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001360278

pISSN:

2564-6605

Anahtar kelimeler:

Özet:

 The analysis of user-generated textual content provides valuable insights into user preferences in various domains, including politics, entertainment, health, sports, food, and technology. This study aims to automatically classify X user profiles based on interests using machine learning and deep learning algorithms. The objective is to categorize users into six interest areas with techniques including Naive Bayes, Logistic Regression, and Support Vector Machines, as well as LSTM, GRU, Bidirectional RNN, Conv1D, and Dense networks. Machine learning and deep learning models were compared using a pooled dataset, revealing that deep learning approaches generally improved generalization ability. Results indicate that while deep learning models achieve higher performance with large datasets, machine learning algorithms also perform competitively in certain categories. The findings highlight the potential of these models to support applications such as targeted content delivery, personalized recommendation systems, and user profiling on social media platforms.

 The analysis of user-generated textual content provides valuable insights into user preferences in various domains, including politics, entertainment, health, sports, food, and technology. This study aims to automatically classify X user profiles based on interests using machine learning and deep learning algorithms. The objective is to categorize users into six interest areas with techniques including Naive Bayes, Logistic Regression, and Support Vector Machines, as well as LSTM, GRU, Bidirectional RNN, Conv1D, and Dense networks. Machine learning and deep learning models were compared using a pooled dataset, revealing that deep learning approaches generally improved generalization ability. Results indicate that while deep learning models achieve higher performance with large datasets, machine learning algorithms also perform competitively in certain categories. The findings highlight the potential of these models to support applications such as targeted content delivery, personalized recommendation systems, and user profiling on social media platforms.

 The analysis of user-generated textual content provides valuable insights into user preferences in various domains, including politics, entertainment, health, sports, food, and technology. This study aims to automatically classify X user profiles based on interests using machine learning and deep learning algorithms. The objective is to categorize users into six interest areas with techniques including Naive Bayes, Logistic Regression, and Support Vector Machines, as well as LSTM, GRU, Bidirectional RNN, Conv1D, and Dense networks. Machine learning and deep learning models were compared using a pooled dataset, revealing that deep learning approaches generally improved generalization ability. Results indicate that while deep learning models achieve higher performance with large datasets, machine learning algorithms also perform competitively in certain categories. The findings highlight the potential of these models to support applications such as targeted content delivery, personalized recommendation systems, and user profiling on social media platforms.

 Kullanıcı tarafından üretilen metin içeriklerinin analizi, siyaset, eğlence, sağlık, spor, yiyecek ve teknoloji gibi alanlarda kullanıcı tercihleri hakkında değerli bilgiler sunmaktadır. Bu çalışma, X kullanıcı profillerinin makine öğrenmesi ve derin öğrenme algoritmalarını kullanarak ilgi alanlarına göre otomatik sınıflandırmayı amaçlamaktadır. Araştırmanın temel hedefi, Naive Bayes, Lojistik Regresyon ve Destek Vektör Makineleri gibi makine öğrenmesi teknikleri ve LSTM, GRU, Bidirectional RNN, CNN ve Derin Sinir ağları gibi derin öğrenme modelleri kullanarak kullanıcıların ilgi alanlarının altı farklı kategoriye göre sınıflandırılmasını sağlamaktır. Makine öğrenmesi ve derin öğrenme modelleri, veri havuzlama yöntemi kullanılarak karşılaştırılmış ve derin öğrenme modellerinin genelleme yeteneğini artırmada daha etkili olduğu gözlemlenmiştir. Özellikle, derin öğrenme modellerinin büyük veri kümeleriyle daha iyi genelleme yapabildiği, ancak bazı kategorilerde makine öğrenmesi modellerinin de rekabetçi performans gösterdiği gözlemlenmiştir. Elde edilen sonuçlar, hedefe yönelik içerik sunumu, kişiselleştirilmiş öneri sistemleri ve sosyal medya platformlarında kullanıcı profillemesi gibi uygulama alanlarında önemli katkılar sağlama potansiyeline sahiptir.

Makale detayları

User interest classification on social media using machine learning and deep learning models: A multi-domain approach

Yazarlar:

Sultan Zeybek | Melih Kaçaman

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Derin Öğrenme | Doğal Dil İşleme

Dergi:

Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi Vol.14 Issue 4, pp.1428-1435

Belge Tipi:

Makale

Yayın Tarihi:

10/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001360278

pISSN:

2564-6605

Machine Learning

Social Media

User Profile Analysis

ClassificationMakine Öğrenmesi

Sosyal Medya

Kullanıcı Profili Analizi

Sınıflandırma

Sayı

Makale detayları

Yazarlar: Sultan Zeybek | Melih Kaçaman

Yayıncı: Nigde Omer Halisdemir University

Ana Başlıklar: Derin Öğrenme | Doğal Dil İşleme

Dergi: Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi Vol.14 Issue 4, pp.1428-1435

Belge Tipi: Makale

Yayın Tarihi: 10/2025

Belge Dili: İngilizce

Document ID (Org No.): 2001360278

pISSN: 2564-6605

Sayı

Yazarlar:

Sultan Zeybek | Melih Kaçaman

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Derin Öğrenme | Doğal Dil İşleme

Dergi:

Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi Vol.14 Issue 4, pp.1428-1435

Belge Tipi:

Makale

Yayın Tarihi:

10/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001360278

pISSN:

2564-6605