Kripto Para Birimlerinin Twitter Verileri ile Metin Madenciliği Kapsamında İncelenmesi

Abstract

Günümüzde sosyal medya platformları, kullanıcıların duygu ve düşüncelerini paylaştığı bir mecra haline gelmiştir. Sosyal medyanın yaygınlaşması nedeniyle, insanlar herhangi bir kategori hakkında, bir fikir hakkında duygu ve düşüncelerini ifade etmekte zorlanmamaktadır. En popüler sosyal medya platformu, kullanıcıların tweet adı verilen ifadelerini yayınlayabildikleri Twitter'dır. Bu çalışmanın amacı, Twitter'da kripto para etiketi ile atılan tweetlerin kripto para ile ilgili yazımlarını ortaya çıkarmaya ve kripto para ile ilgili gerçek verilerle kişilerin duygularını tespit etmeye çalışmaktır. 21 gün boyunca Twitter'dan "#kriptopara" etiketi ile gönderilen 41949 Türkçe tweet toplanmıştır. Açık kaynak kodlu R programla dili ile analiz gerçekleştirilmiştir. Tweetler ile içerik analizi yapılarak en çok tekrar eden kelimeleri bulunmuş ve kelime bulutu oluşturulmuştur. Twitter kullanıcılarının konu hakkındaki duygularını tespit etmek için duygu analizi yapılmıştır. Analiz sonucunda polarite puanı 0,003639, duygu ağırlığı ise pozitif yönde bulunmuştur. Son olarak tweetlerin en çok tekrarlanan ilk 5 kelimesi: Bitcoin, Resistance, Mana, Metaverse ve Altcoin'dir.

Keywords

• kripto para
• bitcoin
• twitter
• r programlama
• metin madenciliği

Examination of Crypto Money Currencies within the Scope of Text Mining via Twitter Data

Abstract

Nowadays, social media platforms have become a medium for the users to share their thoughts and feelings. Due to the widespread use of social media, people have no difficulty in expressing their feelings and thoughts on an idea about any categories. The most popular social media platform is Twitter where users can post their expressions called tweets. The aim of this study is to try to reveal the crypto money-related words of the tweets posted with the crypto money tag on Twitter and to try to detect the emotions of people with real data about crypto money. During the 21 days, 41949 tweets which were sent from Twitter with the "#kriptopara" hashtag were collected. Content analysis was made with these tweets, and a word cloud was created to find out the most repetitive words, and at the same time, sentiment analysis was carried out to ascertain the emotions of the Twitter users. As a result of the analysis, the polarity score was found at 0.003639 and the emotion weight was found in a positive direction. Finally, the top 5 most repeated words of the tweets were: Bitcoin, Resistance, Mana, Metaverse and Altcoin.

Keywords

• crypto money
• bitcoin
• twitter
• r programming
• text mining

References

1. Abraham, J., Higdon, D., Nelson, J., Ibarra, J. (2018). “Cryptocurrency Price Prediction Using Tweet Volumes and Sentiment Analysis”. SMU Data Science Review, 1 (3), 1-21.
2. Alghobiri M. (2018). “Using Data Mining Algorithma for Sentiment Analysis of Users Opinions About Bitcoin Crypto Currency”. Journal of Theoretical and Applied Information Technology, 97(8), 2195-2205.
3. Atalay İ. E. (2020). R programlama Dili ile Türkiye Finansal Risk Verilerinin Animasyonları. Yüksek Lisans Tezi. Eskişehir Osmangazi Üniversitesi Fen Bilimler Enstitüsü. İstanbul.
4. Bozgül F. (2017). “Sosyal Medya Nedir?”, https://www.pazarlamasyon.com/sosyal-medya-nedir,(08.02.2022).
5. Delen D., Sharda R., Turban E., (2014). “Business Intelligence and Analytics : System for Decision Support”, Pearson Education Limited (10), 322-326.
6. Duygu Analizi. Doktora Tezi. Van Yüzüncü Yıl Üniversitesi Fen Bilimler Enstitüsü İstatistik Anabilim Dalı. Van.
7. Engüllü B. (2018). Twitter Sentiment Analysis. Yüksek Lisans Tezi. Bahçeşehir Üniversitesi Fen Bilimleri Enstitüsü ve Bilgisayar Mühendisliği. İstanbul.
8. Erdinç U., Bursa N. (2021). “Covid-19 Pandemi Sürecinde Twitter Yorumları ile Altcoin

9. Erdoğan M. C., Canayaz M. (2018). "Crypto-Currency Sentiment Analyse on Social Media," 2018 International Conference on Artificial Intelligence and Data Processing (IDAP), 2018, 1-5.
10. Erdoğan M.C. (2019). Büyük Veri Araçları Kullanarak Sosyal Medyada His Analizi Yapma. Yüksek Lisans Tezi. Van Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü ve Elektrik-Elektronik Mühendisliği. Van.
11. Karasu S., Altan A., Saraç Z., Hacioğlu R. (2018). “Prediction of Bitcoin Prices with Machine Learning Methods Using Time Series Data”.26th Signal Processing and Communications Applications Conference (SIU), 1-4.
12. Kına E. (2022). Makine Öğrenmesi Algoritmaları Kulanılarak Twitter Mobil Oyun Verilerinde
13. Kinderis M., Bezbradica M., Crane M. (2018). “Bitcoin Currency Fluctuation”. Future Information System and Risk, 31-41.
14. Koca, G., “Bitcoin Üzerine Twitter Verileri ile Duygu Analizi”. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi,22(4),19-30.
15. Köksal, B., Erdem, G., Türkeli, C., & Öztürk, Z. K. “Twitter'da Duygu Analizi Yöntemi Kullanılarak Bitcoin Değer Tahminlemesi”. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 9(3), 280-297.
16. Kraaijeveld, O. ve De Smedt (2020). “The Predictive Power of Public Twitter Sentiment for Forecasting Cryptocurrency Prices”. Journal of International Financial Markets, Institutions and Money, 65. Kripto”. Yönelim ve Ekonomi Araştırmaları Dergisi (19),362-381.
17. Lamon, C., Nielsen, E., Redondo, E. (2017). “Cryptocurrency Price Prediction Using News and Social Media Sentiment”. SMU Data Sci. Rev (1), 1-27.
18. Özer E. ve Torun N.K. (2022). “R İle İçerik Analizi Ve Duygu Analizi Paribu Borsası”. Uluslararası Bilişim Kongresi (IIC 2022),175-180.
19. Özyurt B. (2021). Heterojen Veri Kaynaklarında Fikir Madenciliği, Otomatik Özellik Çıkarımı ve Duygu Analizi. Doktora Tezi Gazi Üniversitesi Bilgisayar Bilimleri Ana Bilim Dalı. Doktora Tezi. Ankara.
20. Rahman S., Hemel, J. N., Anta, S. J. A., Muhee A., H., Uddin J. (2018). “Sentiment Analysis Using R: An Approach to Correlate Cryptocurrency Price Fluctuations with Change in User Sentiment Using Machine Learning”. 2nd International Conference on Imaging, Vision & Pattern Recognition (icIVPR), 492-497.
21. Yılmaz C.M. (2019). Spam Detection By Using Network and Text Embedding Approaches. Yüksek Lisans Tezi. Ortadoğu Teknik Üniversitesi Fen Bilimleri Enstitüsü. Ankara.