Haberler Üzerinden Ülkeler Arası İlişkilerin Analizi

Year 2022, , 106 - 118, 24.03.2022

Alp Bintuğ Uzun , Alperen Özer , Banu Diri

https://doi.org/10.17798/bitlisfen.999401

Abstract

Tarih boyunca insanların ve toplulukların birbirleri hakkındaki görüşleri farklı iletişim ortamlarıyla gözlenebilmektedir. Medyanın kuruluşundan itibaren bir görüşün veya amacın daha geniş bir kitleye yayılması kolaylaşmıştır. Medya, sadece aynı düşüncedeki insanların birbirinden haberdar olmasına değil, aynı zamanda farklı düşünen gruplardan da haberdar olmalarına yardımcı olmuştur. Bu durum göz önüne alındığında, medya tarafından yapılan haberler aracılığıyla, farklı toplulukların birbirleri ile olan etkileşimleri ve görüşleri incelenebilir. Bu çalışma kapsamında seçilen ülkelerin, birbirleri hakkında yaptıkları haberler ile ilişkilerinin nasıl bir seviyede olduğunun ölçülmesi sağlanmıştır. Yapılan analizin gerçeğe uygunluğu ise, kullanılacak haber veri setinin büyüklüğü ile doğrudan ilişkilidir. Analizlerin sonuçları, kullanıcının seçtiği ülkeler arasındaki ilişkiyi sözel, sayısal ve görsel olarak raporlamaktadır. Geliştirilen uygulama üç temel adımdan oluşmaktadır; Birinci adım ilgili haberlerden hangi cümlelerin çekileceğine ve hangi ülke ile ilgili olduğuna karar verilmesi, ikinci adım cümlelerin VADER yardımı ile duygu analizinin yapılması ve son adımda da yapılan analizin sonuçlarının etkileşimli ara yüz yardımı ile zengin bir içerikle kullanıcıya sunulmasıdır.

Keywords

Duygu Analizi, VADER, internet medya

References

• Adarsh R., Patil A., Rayar S., Veena K. 2019. Comparison of vader and lstm for sentiment analysis English. International Journal of Recent Technology and Engineering, 7(6): 540–543.
• VADER Sentiment Analysis, 2014. https://github.com/cjhutto/vaderSentiment (Erişim tarihi 7.9.2021).
• Kharde V., Sonawane S. 2016. Sentiment analysis of twitter data: A survey of techniques, International Journal of Computer Applications. 139: 5–15.
• Agarwal A., Xie B., Vovsha I., Rambow O., Passonneau R. 2011. Sentiment analysis of twitter data. Proceedings of the Workshop on Languages in Social Media-LSM’11, 23 June, Portland, Oregon, 30-38.
• Hutto C., Gilbert E. 2014. Vader: A parsimonious rule-based model for sentiment analysis of social media text. Proceedings of the Eighth International AAAI Conference on Weblogs and Social Media, 1-4 June, Michigan, USA, 216-225.
• Shelar A., Huang C. Y. 2018. Sentiment analysis of twitter data. International Conference on Computational Science and Computational Intelligence (CSCI), 13-15 December, Las Vegas, NV, USA, 1301-1303.
• Pano T., Kashef R. 2020. A complete vader-based sentiment analysis of bitcoin (btc) tweets during the era of covid-19. Big Data and Cognitive Computing, 4(33): 1-17.
• Cetin M., Amasyali M. F. 2013. Supervised and traditional term weighting methods for sentiment analysis. 21st Signal Processing and Communications Applications Conference (SIU), 24-26 Nisan, Haspolat, Northern Cyprus, 1-4.
• Erogul U., 2009. Sentiment Analysis in Turkish. Master’s Thesis, METU, Graduate School of Natural and Applied Sciences, Ankara, 1-68.
• Vural A. G., Cambazoglu B. B., Senkul P., Tokgoz Z. O. 2013. A framework for sentiment analysis in Turkish: Application to polarity detection of movie reviews in Turkish. Computer and Information Sciences III, Springer, 437–445.
• Nizam H., Akın S. S. 2014. Sosyal medyada makine ögrenmesi ile duygu analizinde dengeli ve dengesiz veri setlerinin performanslarının karşılaştırılması, XIX. Türkiye’de Internet Konferansı, 27-29 Kasım, İzmir, Türkiye.
• ISO 3166 Alpha 2 Codes, https://www.iso.org/iso-3166-country-codes.html (Erişim tarihi 7.9.2021).
• NLTK – Natural Language Toolkit, https://www.nltk.org/ (Erişim tarihi 7.9.2021).
• spaCy: Industrial-strength, https://spacy.io/ (Erişim tarihi 7.9.2021).
• BRICS, 2015. BRICS Information Portal. https://infobrics.org/ (Erişim tarihi 7.9.2021).