Web Mining: Descriptive Analysis of Turkish Cinema

Year 2023, , 87 - 101, 27.01.2023

Yılmaz Ağca

https://doi.org/10.51290/dpusbe.1127390

Abstract

It contains an enormous amount of data on the Internet. If desired, these data can be obtained by a method called web mining/scraping and can be used in information extraction. This research was carried out to obtain data about Turkish cinema by using web mining and to obtain various findings about Turkish cinema as a result of analyzing this data with text mining.
In the text mining conducted on a total of 8596 TV and cinema films, it is seen that highest audience score belongs to the films Hababam Sınıfı (1975, p. = 9,3), Tosun Paşa (1976, p. = 9,0), 25 Liters (2019, p. = 8,9), respectively. It is seen that 13 of the 20 highest-rated films were made in the period called Yeşilçam in Turkish Cinema. 13 of these films were made in the Comedy genre. The list includes 8 films by Ertem Eğilmez, 2 films by Kartal Tibet and 2 films by Atıf Yılmaz as directors. After 1950, the year in which the most films were made in Turkish cinema was 1975 (275 films), while the year in which the fewest films were made was 2002 (20 films).
Web mining method offers an alternative data acquisition method that can be used in many areas to obtain data on the internet with robot software or programming languages. This method has been used as an example to obtain various information about Turkish Cinema. The Internet has rich content that can be used in scientific research with big data sources.

Keywords

Turkish Cinema, Web Mining, Web Scraping, Text Mining

Web Madenciliği: Türk Sinemasının Betimsel Analizi

Abstract

İnternet üzerinde muazzam büyüklükte veri barındırmaktadır. Bu veriler istenirse web madenciliği/kazıma olarak adlandırılan yöntem ile elde edilebilmekte ve bilgi çıkarımında kullanılabilmektedir. Araştırma, web madenciliği kullanarak Türk sineması hakkında veri elde etmek ve bu verileri metin madenciliği ile analiz etmenin bir sonucu olarak Türk sineması hakkında çeşitli bulgular elde etmek amacıyla gerçekleştirilmiştir.
Toplam 8596 TV ve sinema filmi üzerinde yapılan metin madenciliğinde, en yüksek izleyici puanının, Hababam Sınıfı (1975, p. = 9,3), Tosun Paşa (1976, p. = 9,0), 25 Litre (2019, p. = 8,9) filmlerine ait olduğu görülmektedir. En yüksek puanlı 20 filmden 13 tanesinin Türk Sineması’nda Yeşilçam olarak adlandırılan dönemde yapıldığı görülmektedir. Filmlerden 13 tanesi Komedi türünde yapılmıştır. Listede yönetmen olarak Ertem Eğilmez’in 8, Kartal Tibet’in 2, Atıf Yılmaz’ın 2 filmi yer almaktadır. 1950’den sonra Türk Sinemasında en çok film çekilen yıl 1975 yılı olurken (275 film), en az film çekilen yıl 2002 olmuştur (20 film).
Web madenciliği yöntemi internet üzerindeki verilerin robot yazılımlar veya programlama dilleri ile elde edilmesi konusunda birçok alanda kullanılabilecek alternatif bir veri elde etme yöntemi sunmaktadır. Bu yöntem, Türk Sineması’na ait çeşitli bilgileri elde etmede örnek olarak kullanılmıştır. İnternet büyük veri kaynakları ile bilimsel araştırmalarda kullanılabilecek zengin içeriğe sahiptir.

Keywords

Türk Sineması, Web Madenciliği, Web Kazıma, Metin Madenciliği, Turkish Cinema, Web Mining, Web Scraping, Text Mining

References

• Agocuk, P. ve Çiftçi, D. (2020). Dijital dönüşüm çağında sinema veritabanlarında katılımcı düşünümsellik: Türk sineması araştırmaları örneği. Connectist: Istanbul University Journal of Communication Sciences, 58, 1-35.
• Ağca, Y. (2021a). Alternatif veri elde yöntemi web madenciliği: Otel oda fiyatlarının zamansal analizi. Yönetim Bilimleri Dergisi, 19(42), 1013-1034. DOI: https://doi.org/10.35408/comuybd.861715
• Ağca, Y. (2021b). Otel oda fiyatlarını açıklamada makine öğrenmesi algoritmalarının kıyaslanması. İşletme Araştırmaları Dergisi, 13(1), 450–463.
• Ağca, Y. (2021c). R programlama dili ile istatistiksel analiz ve veri madenciliği. İstanbul: Cinius Yayınları.
• Alexa (2022). Erişim adresi: https://www.alexa.com/siteinfo/imdb.com .
• Boxofficeturkiye.com. (2020). Dünya genelinde tüm zamanların en çok hasılat elde eden 20 filmi: Erişim adresi: https://boxofficeturkiye.com/haber/dunya-genelinde-tum-zamanlarin-en-cok-hasilat-elde-eden-20-filmi--2547 .
• Businesswire (2022). Erişim adresi: https://www.businesswire.com/news/home/20211214006064/en/.
• Dixon, W. W. ve Foster, G. A. (2018). A Short history of film (3 b.). New Jersey, US: Rutgers University Press.
• Erus, Z. Ç. (2007). Film endüstrisi ve dağıtım: 1990 sonrası Türk sinemasında dağıtım sektörü. Selçuk İletişim, 4(4), 5-17.
• Goyal, A. ve Urolagin, S. (2022). Prediction of movie success on IMDB database using machine learning techniques. In: Jacob, I.J., Kolandapalayam Shanmugam, S., Bestak, R. (Ed.) Data Intelligence and Cognitive Informatics. Algorithms for Intelligent Systems (s. 273-288), Springer, Singapore.
• Grossman, D. (2021, 11 28). polygon.com. 05 05, 2022 tarihinde Red Notice is Netflix’s biggest movie of all time, says The Rock, rivaling Avengers: Endgame’s opening viewership: Erişim adresi: https://www.polygon.com/22806174/red-notice-netflix-viewer-numbers-most-watched-movie-of-all-time
• help.imdb.com (2022). Erişim adresi: https://help.imdb.com/article/imdb/general-information/what-is-imdb/.
• Hıdıroğlu, İ. (2011). Yeşilçam sinemasında bir auteur. Atatürk İletişim Dergisi, 1(1). 25-44. Erişim adresi: https://dergipark.org.tr/tr/pub/atauniiletisim/issue/2762/614424.
• Hwangbo, H. ve Kim, J. (2019). A Text mining approach for sustainable performance in the film industry. Sustainability, 11(11), 1-16.
• Işık, E. (2014). sinemabilgi.com. 05 05, 2022 tarihinde Türk sinemasının kısa tarihi: Erişim adresi: https://books.google.com.tr/books?id=3CyjDwAAQBAJ.
• Johnson, J. (2022, 04 02). statista.com. 05 07, 2022 tarihinde Worldwide digital population April 2022: Erişim adresi: https://www.statista.com/statistics/617136/digital-population-worldwide/. Kumar, H. M., Harish, B. S. ve Darshan, H. K. (2018). Sentiment analysis on IMDB movie reviews using hybrid feature extraction method. International Journal of Interactive Multimedia and Artificial Intelligence, 109-114.
• Lewis, R. (2022). britannica.com: Erişim adresi: https://www.britannica.com/topic/IMDB
• Oghina, A., Breuss, M., Tsagkias, M. ve Rijke, M. (2012). Predicting IMDB movie ratings using social media. advances in ınformation retrieval. ECIR 2012. Lecture Notes in Computer Science (s. 503-507). Springer, Berlin, Heidelberg.
• Otterbacher, J. (2013). Gender, writing and ranking in review forums: a case study of the IMDB. Knowledge and Information Systems, 35(3). 645–664. doi: 10.1007/s10115-012-0548-z.
• Özkan, Z. Ç. (2009). Günümüz Türk sineması'nın dünya sinemasındaki yeri. Journal of Azerbaijani Studies, 533-541. http://jhss-khazar.org/2008/01/volume-12-number-1-2009/.
• Rai, A. (2019, 06 01). What is text mining: Techniques and applications. Upgrad.com: https://www.upgrad.com/blog/what-is-text-mining-techniques-and-applications/ adresinden alındı
• Sarıyer, N. (2017). Pazarlama iletişimi araçları. Konya: Eğitim Yayınevi.
• Saydam, B. (2020). Türk Sineması’nın tarihine genel bir bakış. Türkiye Araştırmaları Literatür Dergisi, 18(36), 401-424.
• Schmit, W. ve Wubben, S. (2015). Predicting ratings for new movie releases from Twitter Content. 6th Workshop on computational approaches to subjectivity, sentiment and social media analysis (WASSA 2015) (s. 122-126). Lisboa, Portugal: Association for Computational Linguistics.
• Sevinç, Z. (2015). 2000 Sonrası yeni Türk sineması üzerine yapısal bir inceleme. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 40, 97-118.
• Shaukat, Z., Zulfiqar, A. A., Xiao, C., Azeem, M. ve Mahmood, T. (2020). Sentiment analysis on IMDB using lexicon and neural networks. SN Applied Sciences, 148.
• Statista.com. (2022). TV, video & film: Erişim adresi: https://www.statista.com/markets/476/tv-video-film/#overview
• Stoll, J. (2022, 03 07). Statista.com. 05 05, 2022 tarihinde Netflix - statistics & facts: Erişim adresi: https://www.statista.com/topics/842/netflix/
• Sumathi, T., Karthik, S. ve Marikannan, M. (2013). Performance analysis of classification methods for opinion mining. International Journal of Innovations in Engineering and Technology (IJIET), 2(4), 171-177.
• Tarımer, İ., Çoban, A. ve Kocaman, A. E. (2019). Sentiment analysis on IMDB movie comments and twitter data by machine learning and vector space techniques. Information Retrieval, 1-8.
• Tunç, E. (2006). Türk sinemasının ekonomik yapısı (1896-2005 ) [Yayımlanmamış doktora tezi]. İstanbul Teknik Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
• Yanık, A. (2016). 18. Yüzyıl Batı Felsefesiyle Yaratılan Oryantalist Türk(iye) İmajı ve Sinemaya Yansımaları: IMDB Üzerinde Bir Analiz. The Journal of Academic Social Science Studies, 43, 361-381. doi: 10.9761/JASSS3228