Research Article
BibTex RIS Cite

Teknolojik Ürün İnceleme Veri Akışında Twitter Duyarlılık Analizi

Year 2023, Volume: 14 Issue: 4, 621 - 627, 31.12.2023
https://doi.org/10.24012/dumf.1342578

Abstract

Günümüzde twitter ve benzeri hizmetler birçok kullanıcı tarafından kullanılmaktadır. Gerçek zamanlı olarak her yerde ve önemli hale gelmiştir. Kullanıcılar bu hizmetleri kullanarak içerik mesajlarını yayabilmektedirler; mevcut durumlarını paylaşabilmektedirler. Anlık mesajlar birçok kişiyle bilgi ve görüş paylaşımında önemli bir rol oynamaktadır. Bu etkileşim, film ve ürün incelemeleri, haberler, etkinlikler vb. hemen hemen her şeyi içermektedir. Elektronik bilgi paylaşımından önce bir ürünü satın almak için fikir sahibi olmanın kaynağı, kişinin sosyal çevresi olarak tanımlanmaktaydı ancak Twitter'ın yaygınlaşmasıyla birlikte bu durum oldukça değişti. Tüm iş akışlarını ve pazarlama tekliflerini önemli ölçüde yeniden şekillendirmiştir. Markalar hakkında görüşlerin paylaşılması, kuruluşların da güvenir olmayan bazı kullanıcıların göz ardı edilmesinden sonra, kullanıcıların mesajlarını analiz edip toplayarak duygularının toplanmasına da yol açtı.
Tweet mesajları piyasalardaki düşünceyi hayata geçirmek için oldukça verimlidir, ancak mesajlar kısa, yapılandırılmamış ve dilbilgisi açısından hatalı olabilir. Bu çalışmada kısa bir süreliğine yayınlanan bir mobil işletim sistemi sürümü ile ilgili mesajlar duygu analizi için incelenmiştir. Kullanım yorumlarını öğrenmek için tweet mesajları üzerine çalışılmıştır.

References

  • [1] [Pang, Bo, and Lillian Lee. "Opinion mining and sentiment analysis." Foundations and Trends® in information retrieval 2.1–2 (2008): 1-135.
  • [2] Pang, Bo, Lillian Lee, and Shivakumar Vaithyanathan. "Thumbs up? Sentiment classification using machine learning techniques." arXiv preprint cs/0205070 (2002).
  • [3] Davidov, Dmitry, Oren Tsur, and Ari Rappoport. "Enhanced sentiment learning using twitter hashtags and smileys." Coling 2010: Posters. 2010.
  • [4] Parikh, Ravi, and Matin Movassate. "Sentiment analysis of user-generated twitter updates using various classification techniques." CS224N final report 118 (2009): 1-18.
  • [5] Go, Alec, Richa Bhayani, and Lei Huang. "Twitter sentiment classification using distant supervision." CS224N project report, Stanford 1.12 (2009): 2009.
  • [6] L. Barbosa and J. Feng, Robust sentiment detection on twitter from biased and noisy data, in Proc. 23rd International Conference on Computational Linguistics: Posters, 2010, pp. 36-44.
  • [7] Jansen, Bernard J., et al. "Twitter power: Tweets as electronic word of mouth." Journal of the American society for information science and technology 60.11 (2009): 2169-2188.
  • [8] Prasad, Suhaas. "Micro-blogging sentiment analysis using bayesian classification methods." Technical Report. Stanford University, 2010.
  • [9] Agarwal, Apoorv, et al. "Sentiment analysis of twitter data." Proceedings of the workshop on language in social media (LSM 2011). 2011.
  • [10] Murphy, Kevin P. "Naive bayes classifiers." University of British Columbia 18.60 (2006): 1-8.
  • [11] Pak, Alexander, and Patrick Paroubek. "Twitter as a corpus for sentiment analysis and opinion mining." LREc. Vol. 10. No. 2010. 2010.
  • [12] Esmin, Ahmed AA, Roberto L. De Oliveira Jr, and Stan Matwin. "Hierarchical classification approach to emotion recognition in twitter." 2012 11th International Conference on Machine Learning and Applications. Vol. 2. IEEE, 2012.
  • [13] Pak, Alexander, and Patrick Paroubek. "Twitter for sentiment analysis: When language resources are not available." 2011 22nd International Workshop on Database and Expert Systems Applications. IEEE, 2011.
  • [14] Lima, Ana CES, and Leandro N. de Castro. "Automatic sentiment analysis of Twitter messages." 2012 Fourth International Conference on Computational Aspects of Social Networks (CASoN). IEEE, 2012.
  • [15] Celikyilmaz, Asli, Dilek Hakkani-Tür, and Junlan Feng. "Probabilistic model-based sentiment analysis of twitter messages." 2010 IEEE Spoken Language Technology Workshop. IEEE, 2010.
  • [16] Kontopoulos, Efstratios, et al. "Ontology-based sentiment analysis of twitter posts." Expert systems with applications 40.10 (2013): 4065-4074.
  • [17] Thelwall, Mike, Kevan Buckley, and Georgios Paltoglou. "Sentiment in Twitter events." Journal of the American Society for Information Science and Technology 62.2 (2011): 406-418
  • [18] Bifet, Albert, and Eibe Frank. "Sentiment knowledge discovery in twitter streaming data." International conference on discovery science. Berlin, Heidelberg: Springer Berlin Heidelberg, 2010.
  • [19] Giachanou, Anastasia, and Fabio Crestani. "Like it or not: A survey of twitter sentiment analysis methods." ACM Computing Surveys (CSUR) 49.2 (2016): 1-41.
  • [20] Nezhad, Zahra Bokaee, and Mohammad Ali Deihimi. "Twitter sentiment analysis from Iran about COVID 19 vaccine." Diabetes & Metabolic Syndrome: Clinical Research & Reviews 16.1 (2022): 102367.
  • [21] Bibi, Maryum, et al. "A novel unsupervised ensemble framework using concept-based linguistic methods and machine learning for twitter sentiment analysis." Pattern Recognition Letters 158 (2022): 80-86.
  • [22] Kılıçer, Seda, and Ruya Samli. "Farklı dillerdeki metinler üzerinde yapılan duygu analizi çalışmalarının incelenmesi." Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 13.3 (2022): 493-509.
Year 2023, Volume: 14 Issue: 4, 621 - 627, 31.12.2023
https://doi.org/10.24012/dumf.1342578

Abstract

References

  • [1] [Pang, Bo, and Lillian Lee. "Opinion mining and sentiment analysis." Foundations and Trends® in information retrieval 2.1–2 (2008): 1-135.
  • [2] Pang, Bo, Lillian Lee, and Shivakumar Vaithyanathan. "Thumbs up? Sentiment classification using machine learning techniques." arXiv preprint cs/0205070 (2002).
  • [3] Davidov, Dmitry, Oren Tsur, and Ari Rappoport. "Enhanced sentiment learning using twitter hashtags and smileys." Coling 2010: Posters. 2010.
  • [4] Parikh, Ravi, and Matin Movassate. "Sentiment analysis of user-generated twitter updates using various classification techniques." CS224N final report 118 (2009): 1-18.
  • [5] Go, Alec, Richa Bhayani, and Lei Huang. "Twitter sentiment classification using distant supervision." CS224N project report, Stanford 1.12 (2009): 2009.
  • [6] L. Barbosa and J. Feng, Robust sentiment detection on twitter from biased and noisy data, in Proc. 23rd International Conference on Computational Linguistics: Posters, 2010, pp. 36-44.
  • [7] Jansen, Bernard J., et al. "Twitter power: Tweets as electronic word of mouth." Journal of the American society for information science and technology 60.11 (2009): 2169-2188.
  • [8] Prasad, Suhaas. "Micro-blogging sentiment analysis using bayesian classification methods." Technical Report. Stanford University, 2010.
  • [9] Agarwal, Apoorv, et al. "Sentiment analysis of twitter data." Proceedings of the workshop on language in social media (LSM 2011). 2011.
  • [10] Murphy, Kevin P. "Naive bayes classifiers." University of British Columbia 18.60 (2006): 1-8.
  • [11] Pak, Alexander, and Patrick Paroubek. "Twitter as a corpus for sentiment analysis and opinion mining." LREc. Vol. 10. No. 2010. 2010.
  • [12] Esmin, Ahmed AA, Roberto L. De Oliveira Jr, and Stan Matwin. "Hierarchical classification approach to emotion recognition in twitter." 2012 11th International Conference on Machine Learning and Applications. Vol. 2. IEEE, 2012.
  • [13] Pak, Alexander, and Patrick Paroubek. "Twitter for sentiment analysis: When language resources are not available." 2011 22nd International Workshop on Database and Expert Systems Applications. IEEE, 2011.
  • [14] Lima, Ana CES, and Leandro N. de Castro. "Automatic sentiment analysis of Twitter messages." 2012 Fourth International Conference on Computational Aspects of Social Networks (CASoN). IEEE, 2012.
  • [15] Celikyilmaz, Asli, Dilek Hakkani-Tür, and Junlan Feng. "Probabilistic model-based sentiment analysis of twitter messages." 2010 IEEE Spoken Language Technology Workshop. IEEE, 2010.
  • [16] Kontopoulos, Efstratios, et al. "Ontology-based sentiment analysis of twitter posts." Expert systems with applications 40.10 (2013): 4065-4074.
  • [17] Thelwall, Mike, Kevan Buckley, and Georgios Paltoglou. "Sentiment in Twitter events." Journal of the American Society for Information Science and Technology 62.2 (2011): 406-418
  • [18] Bifet, Albert, and Eibe Frank. "Sentiment knowledge discovery in twitter streaming data." International conference on discovery science. Berlin, Heidelberg: Springer Berlin Heidelberg, 2010.
  • [19] Giachanou, Anastasia, and Fabio Crestani. "Like it or not: A survey of twitter sentiment analysis methods." ACM Computing Surveys (CSUR) 49.2 (2016): 1-41.
  • [20] Nezhad, Zahra Bokaee, and Mohammad Ali Deihimi. "Twitter sentiment analysis from Iran about COVID 19 vaccine." Diabetes & Metabolic Syndrome: Clinical Research & Reviews 16.1 (2022): 102367.
  • [21] Bibi, Maryum, et al. "A novel unsupervised ensemble framework using concept-based linguistic methods and machine learning for twitter sentiment analysis." Pattern Recognition Letters 158 (2022): 80-86.
  • [22] Kılıçer, Seda, and Ruya Samli. "Farklı dillerdeki metinler üzerinde yapılan duygu analizi çalışmalarının incelenmesi." Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 13.3 (2022): 493-509.
There are 22 citations in total.

Details

Primary Language Turkish
Subjects Machine Learning (Other), Applied Computing (Other)
Journal Section Articles
Authors

Sibel Tarıyan Özyer 0000-0002-0312-9016

Early Pub Date December 31, 2023
Publication Date December 31, 2023
Submission Date August 13, 2023
Published in Issue Year 2023 Volume: 14 Issue: 4

Cite

IEEE S. T. Özyer, “Teknolojik Ürün İnceleme Veri Akışında Twitter Duyarlılık Analizi”, DUJE, vol. 14, no. 4, pp. 621–627, 2023, doi: 10.24012/dumf.1342578.
DUJE tarafından yayınlanan tüm makaleler, Creative Commons Atıf 4.0 Uluslararası Lisansı ile lisanslanmıştır. Bu, orijinal eser ve kaynağın uygun şekilde belirtilmesi koşuluyla, herkesin eseri kopyalamasına, yeniden dağıtmasına, yeniden düzenlemesine, iletmesine ve uyarlamasına izin verir. 24456