Abstract :Twitter ve Facebook gibi günümüzün en yaygın kullanılan sosyal ağlarında sınıflandırma, bu ağların doğasından ötürü tek sınıflı (sadece bir ilişkinin varlığını nitelendiren, bu varlık konusunda olumlu veya olumsuz bir hüküm vermeyen) veriler kullanılarak yapılabilmektedir. Takip etmek, beğenmek, retweet etmek gibi etkileşimler herhangi bir negatif anlam içermemektedir. Aynı zamanda, bu ağlarda bulunan çok fazla sayıdaki etkileşim de sınıflandırıcılarda bu verilerin temsil edilmesinde zorluğa yol açmaktadır. Chang ve diğerleri [1] tarafından yapılan bir çalışmada yeni bir olasılıksal yaklaşım olan SPU (Streaming Posterior Update), sosyal ağ verileri ve link tahmin etmede pozitif etiketsiz öğrenme problemi için bir çerçeve olarak önerilmiştir. Bu çalışma, SPU’yu melez (hybrid) bir toplama (ensemble) yaklaşım ile geliştirmeyi hedeflemiştir. Geliştirilen toplama yaklaşıma En-SPU adı verilmiştir ve SPU’ya göre AUC (Area Under the ROC Curve – ROC Eğrisi Altındaki Alan) ve ACC (Accuracy – İsabetlilik) alanlarında daha başarılı olduğu gözlemlenmiştir. Keywords : Veri Madenciliği
