Sosyal ağlar günümüzde oldukça popüler bir konumda bulunmaktadır. İnsanlar tarafından yoğun olarak kullanılan bir platform halini almıştır. Bu durum yüksek miktarda veri üretimine neden olmaktadır. Bu verilerin anlamlı ve faydalı bir forma dönüştürebilmek için birçok yöntem geliştirilmiştir. Bu yöntemler arasında veri madenciliği teknikleri ilk sıralarda yer almaktadır. Bu çalışmada veri madenciliği ve sosyal ağ yöntemleri kullanılarak yazarların yayınlarında belirtmiş oldukları anahtar kelimelere göre ilgili yazarlar arasındaki çalışma alanı benzerlikleri tespit edilmiştir. Veri seti olarak IDAP 2018(International Conference on Artificial Intelligence and Data Processing ) sempozyumunun yayın verileri kullanılmıştır. 536 yazar ve 1188 anahtar kelimeden oluşan veri setine Jaccard, Euclidean, Cosine benzerlik yöntemleri uygulanmıştır ve çalışmalarına göre yazarların yayınları arasındaki benzerlikler analiz edilerek karşılaştırılmıştır. Yazarların sonraki yayınlarında birbirleri ile çalışma yapabilmeleri açısından yönlendirici sonuçlar elde edilmiştir. Verilerin analize uygun forma getirilmesi için SQL Server kullanılırken, analiz ve görsel öğelerin oluşturulması için ise, R dili ve R Studio IDE kullanılmıştır.
Social networks are nowadays very popular. It has become an intensively used platform by people. This status causes a high amount of data production. Many methods have been developed to transform these data into a meaningful and useful form. Data mining techniques are at the top of the list among these methods. In this study, data mining and social networking methods were used to determine the similarity of the study area between the related authors according to the key words that the authors mentioned in their publications. The publication data of the IDAP 2018 symposium was used as a data set. Jaccard, Euclidean, Cosine similarity methods were applied the data set consisted of 536 authors and 1188 keywords and similarities among the authors publications were compared through analyzed. In the subsequent publications of the authors, guiding results were obtained for them to work with each other. while SQL Server was used to convert data to the appropriate format for analysis, for the analysis and creation of visual elements, the R language and R Studio IDE were used.
