Sentiment Analysis from Twitter Data during the Covid-19 Pandemic Era with LSTM Deep Learning Approach

Year 2021, , 359 - 372, 30.12.2021

Mehmet Can Yılmaz Zeynep Orman

https://doi.org/10.26650/acin.947747

Abstract

It is very important to learn people's thoughts for social events in the world and analyze them. With these analysis, various inferences, projects and decision-making processes are formed. Sentiment analysis is performed by classifying a text with various computer algorithms. The methods used to perform sentiment analysis are generally categorized as dictionary-based and machine learning approaches. In this study, a sentiment analysis was carried out from a number of frequently spoken terms on the subject during the process of coronavirus panemia (Covid-19), which has affected the world and still continues. As of March 11, 2020, some Turkish titles related to the Covid-19 virus have been collected from the Twitter social media tool, which is a platform where people share their thoughts on this issue. These collected topics were classified as positive and negative. For this analysis, a system using Long Short-Term Memory (LSTM) structure, which is one of the deep learning methods, was proposed. The proposed system was applied on the Covid-19 data set and 97% accuracy was achieved.

Keywords

Sentiment Analyis, Covid-19, LSTM

LSTM Derin Öğrenme Yaklaşımı ile Covid-19 Pandemi Sürecinde Twitter Verilerinden Duygu Analizi

Abstract

Dünyada yaşanan toplumsal olaylar için insanların düşüncelerini anlamak ve bu düşünceleri analiz ederek birtakım çıkarımlar yapmak oldukça önemlidir. Bu analiz ve çıkarımlar sayesinde çeşitli projeler başlatılabilir ve karar verme süreçleri oluşturulabilir. Bu amaçla kullanılan işlemlerden biri de metinlerin çeşitli bilgisayar algoritmaları ile sınıflandırılmasıyla gerçekleştirilen duygu analizi işlemidir. Duygu analizini gerçekleştirmek için kullanılan yöntemler genel olarak sözlük tabanlı yöntemler ve makine öğrenmesi yaklaşımları olarak ikiye ayrılır. Bu makalede, dünyayı etkisi altına alan ve halen devam etmekte olan koronavirüs pandemisi (Covid-19) ile ilgili Twitter sosyal medya platformunda sık konuşulan bir takım terimler gözönüne alınarak duygu analizi çalışması gerçekleştirilmiştir. Bunun için, konu ile ilgili bazı Türkçe başlıklar toplanmış ve bu başlıklar olumlu ve olumsuz düşünceler şeklinde sınıflandırılarak duygu analizi yapılmıştır. Bu analiz için derin öğrenme yöntemlerinden biri olan Uzun Kısa Süreli Hafıza (LSTM) yapısı kullanan bir sistem önerilmiştir. Önerilen bu sistem oluşturulan veri kümelerine uygulanmış ve maksimum %97 doğruluk başarısı elde edilmiştir

Keywords

Duygu Analizi, Covid-19, LSTM

References

• Albayrak, M., Topal, K., & Altıntaş, V. (2017). Sosyal medya üzerinde veri analizi: Twitter. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(Kayfor 15 Özel Sayısı), 1991-1998.
• Aydın, B., & Doğan, M. (2020). Yeni Koronavirüs (Covid-19) pandemisinin turistik tüketici davranışları ve Türkiye turizmi üzerindeki etkilerinin değerlendirilmesi. Pazarlama Teorisi ve Uygulamaları Dergisi, 6(1), 93-115.
• Aytuğ, O. (2017). Twitter mesajlari üzerinde makine öğrenmesi yöntemlerine dayali duygu analizi. Yönetim Bilişim Sistemleri Dergisi, 3(2), 1-14.
• Ayvaz, S., Yıldırım, S., & Salman, Y. B. (2019). Türkçe duygu kütüphanesi geliştirme: Sosyal medya verileriyle duygu analizi çalışması. Avrupa Bilim ve Teknoloji Dergisi, (16), 51-60.
• Chintalapudi, N., Battineni, G., & Amenta, F. (2021). Sentimental analysis of Covid-19 tweets using deep learning models. Infectious Disease Reports, 13(2), 329-339.
• Görgel, P., & Kavlak, E. (2020). Uzun kısa süreli hafıza ve evrişimsel sinir ağları ile rüzgar enerjisi üretim tahmini. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 11(1), 69-80.
• Gündüz, G., & Cedimoğlu, İ. H. (2019). Derin öğrenme algoritmalarını kullanarak görüntüden cinsiyet tahmini. Sakarya University Journal of Computer and Information Sciences, 2(1), 9-17.
• İlhan, N., & Sağaltici, D. Twitter’da duygu analizi. Harran Üniversitesi Mühendislik Dergisi, 5(2), 146-156.
• Kara, A. (2019). Uzun-kısa süreli bellek ağı kullanarak global güneş ışınımı zaman serileri tahmini. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 7(4), 882-892.
• Kayaalp, K., & Süzen, A. A. (2018). Derin öğrenme ve Türkiye’deki uygulamaları. Iksad International Publishing House, 6-21.
• Kaynar, O., Görmez, Y., Yıldız, M., & Albayrak, A. (2016). Makine öğrenmesi yöntemleri ile duygu analizi. In International Artificial Intelligence and Data Processing Symposium (IDAP’16), 17-18.
• Manguri, K. H., Ramadhan, R. N., & Amin, P. R. M. (2020). Twitter sentiment analysis on worldwide Covid-19 outbreaks. Kurdistan Journal of Applied Research, Special Issue on Coronavirus (COVID-19),54-65.
• Salur, M. U., & Aydin, I. (2020). A novel hybrid deep learning model for sentiment classification. IEEE Access, 8, 58080-58093.
• Sariman, G., & Mutaf, E. Covid-19 sürecinde Twitter mesajlarinin duygu analizi. Euroasia Journal of Mathematics Engineering Natural and Medical Sciences,