Metin Madenciliği Yöntemleri ile Twitter Verilerinden Bilgi Keşfi

Year 2021, Volume: 2 Issue: 1, 21 - 25, 31.01.2021

Ayşe Beşkirli Eyyüp Gülbandılar İdris Dağ

Abstract

Son zamanlarda bilişim teknolojilerinin gelişmesiyle birlikte veri miktarı da gün geçtikçe artmaktadır. Bir verinin bilgiye dönüşmesi için verilerin analiz edilmesi, yorumlanması, işlenmesi ve bunlara bağlı olarak verilerden anlamlı bilgilere erişmek için kullanılan bir yöntem olan metin madenciliğinin önemi de artmaktadır. Metin madenciliği yönteminde, veri kaynağı olarak metinler ele alınmaktadır. Metin madenciliği, metinlerden istenilen bilgiye erişmek amacıyla kullanılmaktadır. Bu çalışmada, ilk olarak sosyal medya alanında literatürde önemli bir yere sahip olan metin madenciliği yöntemi ile twitter üzerinde aşı (vaccine) ile ilgili iki farklı veri elde edilmiştir. Daha sonra ise verilerin duygu analizleri yapılmıştır. Bu veriler covid19 aşısı 3. faz denemeleri esnasındaki elde edilen twitter verileri ile covid19 aşısının 3. faz sonrası seri üretim duyurusu yapıldıktan sonra elde edilen twitter verilerdir. Bu verilere göre yapılan duygu analiz sonuçlarında önemli farklılıkların olduğu tespit edilmiştir.

Keywords

Metin Madenciliği, Duygu Analizi, Sosyal Medya

References

• 1] Gürsakal, N. 2014. Büyük Veri. Baskı, Bursa: Dora.
• [2] Aninditya, A., Hasibuan, M. A., Sutoyo, E. 2019. Text Mining Approach Using TF-IDF and Naive Bayes for Classification of Exam Questions Based on Cognitive Level of Bloom's Taxonomy. Paper presented at the 2019 IEEE International Conference on Internet of Things and Intelligence System (IoTaIS).
• [3] Hu, X., Liu, H. 2012. Text analytics in social media. In Mining text data (pp. 385-414): Springer.
• [4] Seker, S. E. 2016. Duygu Analizi (Sentimental Analysis). YBS Ansiklopedi, 3 (3), 21-36. [5] Fang, X., Zhan, J. 2015. Sentiment analysis using product review data. Journal of Big Data, 2 (1), 5. doi:10.1186/s40537-015-0015-2
• [6] Christi, J., Jain, G. 2019. Sentiment Categorization through Natural Language Processing: A Survey.
• [7] Smith, A. N. 2019. Studies of sentiment: John White Alexanders depictions of gilded age men and women. (UMI thesis),
• [8] Clavel, C., Callejas, Z. 2015. Sentiment analysis: from opinion mining to human-agent interaction. IEEE Transactions on affective computing, 7 (1), 74-93.
• [9] Liljander, V., Bergenwall, M. 1999. Consumption-based emotional responses related to satisfaction: Swedish School of Economics and Business Administration Helsinki: Helsinfors.
• [10] Liljander, V., Strandvik, T. 1997. Emotions in service satisfaction. International Journal of service industry management.
• [11] Russell, J. A. 1980. A circumplex model of affect. Journal of personality and social psychology, 39 (6), 1161.
• [12] Sailunaz, K., Alhajj, R. 2019. Emotion and sentiment analysis from Twitter text. Journal of Computational Science, 36, 101003.
• [13] 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.
• [14] Küçükkartal, H. K. 2020. Twitter'daki Verilere Metin Madenciliği Yöntemlerinin Uygulanması. Eskişehir Türk Dünyası Uygulama ve Araştırma Merkezi Bilişim Dergisi, 1 (2), 10-13.
• [15] Yüksel, A. S., Tan, F. G. 2018. Metin madenciliği teknikleri ile sosyal ağlarda bilgi keşfi. Mühendislik Bilimleri ve Tasarım Dergisi, 6 (2), 324-333.
• [16] Mishra, P., Rajnish, R., Kumar, P. 2016. Sentiment analysis of Twitter data: Case study on digital India. Paper presented at the 2016 International Conference on Information Technology (InCITe)-The Next Generation IT Summit on the Theme-Internet of Things: Connect your Worlds.
• [17] Caballero, A., Niguidula, J. D., Caballero, J. M. 2017. Analysis and Visualization of University Twitter Feeds Sentiment. Paper presented at the International Conference on Big Data Technologies and Applications.