Classification of News Texts by Categories Using Machine Learning Methods

Abstract

In parallel with the advances in technology, digital journalism is preferred more than printed journalism day by day. Due to the fast and up-to-date sense of journalism provided by digital journalism and its ubiquitous accessibility features, it is read more by users. In addition to these advantages provided by digital journalism, it also has some difficulties compared to printed journalism. The stage of preparation and delivery of the news to the user requires more technological knowledge and equipment compared to printed journalism. The processes of title selection, text creation, photo selection and determination of the appropriate news category in the preparation phase of the news are designed to be both faster and user-friendly compared to printed publishing. The news created to be presented to the target audience may belong to one or more of different categories such as economy, politics, sports, technology, and health. The inclusion of the news in the appropriate category provides convenience in terms of reaching the right audience and archiving the news correctly. In this study, news texts were classified according to their categories based on the machine learning methods. In the study, news of five newspapers in three different categories were used. Bayesian classifier and decision tree methods were used to classify the news in the dataset including a total of 10.500 news. In the results of the study, it was observed that the Bayesian classifier classified the news more successfully according to their categories.

Keywords

• News
• category
• classification
• machine learning

References

1. Acı, Ç.İ., Çırak, A. 2019. “Türkçe Haber Metinlerinin Konvolüsyonel Sinir Ağları ve Word2Vec Kullanılarak Sınıflandırılması”, Bilişim Teknolojileri Dergisi, 12(3), 219–228.
2. Adak, M.F., Yurtay, N. 2013. "Gini Algoritmasını Kullanarak Karar Ağacı Oluşturmayı Sağlayan Bir Yazılımın Geliştirilmesi," Internatıonal Journal of Informatics Technologies, 6(3), 1-6.
3. Amasyalı, M.F., Yıldırım, T. 2004. “Otomatik haber metinleri sınıflandırma”, 13. Sinyal İşleme ve Uygulama Kurultayı, 224–226, Kuşadası, Türkiye.
4. Amasyalı, M.F., Beken, A. 2009. “Türkçe Kelimelerin Anlamsal Benzerliklerinin Ölçülmesi ve Metin Sınıflandırmada Kullanılması”, IEEE 17. Sinyal İşleme ve İletişim Uygulamaları Kurultayı, Antalya, Türkiye.
5. Amasyalı, M.F., Diri, B., Türkoğlu, F. 2006. “Farklı özellik vektörleri ile Türkçe dokümanların yazarlarının belirlenmesi”, 15th Turkish Symposium on Artificial Intelligence and Neural Network, Muğla, Türkiye.
6. Aşlıyan, R., Günel, K. 2010. “Metin İçerikli Türkçe Dokümanların Sınıflandırılması”, Akademik Bilişim Konferansı, 659–665, Muğla, Türkiye.
7. Aydoğan, D. 2013. Türkiye’de dijital gazetecilik: Habertürk ve Hürriyet gazeteleri örneği. Turkish Online Journal of Design Art and Communication, 3(3), 26-40.
8. Bardoel, J. (1996). Beyond journalism: A profession between ınformation society and civil society. European Journal of Communication, 11(3), 283-302.

9. Başkaya, F., Aydin, İ. 2017. “Haber metinlerinin farklı metin madenciliği yöntemleriyle sınıflandırılması”, International Artificial Intelligence and Data Processing Symposium (IDAP), Malatya, Turkey.
10. Çakır, H., 2007. “Geleneksel Gazetecilik Karşısında İnternet Gazeteciliği”. Erciyes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 22(1), 123-149
11. Dayıbaşı, O. 2022. “Metin Madenciliği’nde Kavramlar 1”, medium.com, https://medium.com/algorithms-data-structures/metin-madencili%C4%9Finde-text-mining-kavramlar-1-e11b87b28847, Son erişim tarihi: 29 Nisan 2022
12. Doğan, S., Diri, B., 2010. “Türkçe dokümanlar için N-gram tabanlı yeni bir sınıflandırma (Ng-ind): yazar, tür ve cinsiyet”, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 3(1), 11-19.
13. Levent, V.E., Diri, B. 2014. “Türkçe dokümanlarda yapay sinir ağları ile yazar tanıma”, 15. Akademik Bilişim Konferansı, 735–741, Mersin, Türkiye.
14. Toraman, C., Can, F., Koçberber, S. 2011. “Developing a Text Categorization Template for Turkish News Portals”, International Symposium on Inovations in Intelligent Systems and Applications, İstanbul, Turkey.
15. Tüfekci, P., Uzun, E., Sevinç, B. 2012. “Türkçe Dilbilgisi Özelliklerini Kullanarak Web Tabanlı Haber Metinlerinin Sınıflandırılması”, 21. IEEE Sinyal İşleme ve İletişim Uygulamaları Kurultayı, Girne, KKTC.
16. Uslu, Osman, Akyol, S. 2021. “Türkçe Haber Metinlerinin Makine Öğrenmesi Yöntemleri Kullanılarak Sınıflandırılması”, Eskişehir Türk Dünyası Uygulama ve Araştırma Merkezi Bilişim Dergisi, 2(1), 15-20.
17. Usmani S, Shamsi J.A. 2020. “News Headlines Categorization Scheme for Unlabelled Data”, International Conference on Emerging Trends in Smart Technologies (ICETST), Karachi, Pakistan.