PANDEMİ SÜRECİNDE TOPLUM GÖRÜŞÜNÜN DUYGU ANALİZİ YÖNTEMİYLE İNCELENMESİ: TÜRKİYE ÖRNEĞİ

Öz

Koronavirüs salgını nedeniyle başlayan pandemi süreci toplumun her kesimini fazlasıyla etkilemiştir. Sosyal medya platformları özellikle pandemi sürecinde insanların duygu ve düşüncelerini rahatlıkla yansıttıları mecralar olmuştur. Bu çalışmada Twitter uygulamasında “korona”, “corona”, “covid19” ve “kovid19” anahtar kelimeleri ile 2020 yılı içinde atılan mesajlar duygu analizi ve n-gram yöntemleriyle incelenmiştir. Toplamda yaklaşık 1.2 milyon mesaj ön işleme tabi tutulduktan sonra Google E-tablolar yardımıyla İngilizceye çevrilmiştir. Daha sonra Python programlama dilinde Textblob yazılımı sayesinde duygu analizi yapılmış ve her ay için pozitif ve nagatif duyguları belirten kelimelerin sıklıkları n-gram yöntemiyle incelenmiştir. Araştırma sonucunda pozitif başlıklarda; hastane, yoğun bakım, evde kalma, test, sosyal mesafe ve Dünya Sağlık Örgütü’nün öne çıktığı görülmektedir. Negatif yöndeki ifadelerde ise; ev, salgın, negatif test, kayıp edilen insanlar, sosyal mesafe, sağlık işçileri, vaka sayıları, sınav, aşı ve iş başlıkları öne çıktığı görülmüştür.

Anahtar Kelimeler

• Doğal Dil İşleme
• Duygu Analizi
• Textblob
• N-gram
• Pandemi

Kaynakça

1. Adalı, E. (2012). Doğal Dil İşleme. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 5(2).
2. Ahmed, M. E., Rabin, M. R. I., & Chowdhury, F. N. (2020). COVID-19: Social media sentiment analysis on reopening. arXiv preprint arXiv:2006.00804.
3. Ayata, D. (2018). Applying Machine Learning and Natural Language Processing Techniques to Twitter Sentiment Classification for Turkish and English (Doctoral dissertation, Thesis for MS degree at Bogazici University).
4. Ayata, D., Saraçlar, M., & Özgür, A. (2017, May). Turkish tweet sentiment analysis with word embedding and machine learning. In 2017 25th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
5. Ayata, D., Saraçlar, M., & Özgür, A. (2017, May). Political opinion/sentiment prediction via long short term memory recurrent neural networks on Twitter. In 2017 25th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
6. Aydoğan, M., & Karci, A. (2019, September). Turkish Text Classification with Machine Learning and Transfer Learning. In 2019 International Artificial Intelligence and Data Processing Symposium (IDAP) (pp. 1-6). IEEE.
7. Çoban, Ö., Özyer, B., & Özyer, G. T. (2015, May). Sentiment analysis for Turkish Twitter feeds. In 2015 23nd Signal Processing and Communications Applications Conference (SIU) (pp. 2388-2391). IEEE.
8. Darı, A. (2018). Sosyal medya ve siyaset: Türkiye’deki siyasi partilerin sosyal medya kullanımı. Al Farabi Uluslararası Sosyal Bilimler Dergisi, 2(1), 1-10. https://dergipark.org.tr/tr/pub/farabi/issue/33998/370664

9. Doğan, S., & Banu, D. İ. R. İ. (2010). Türkçe dokümanlar Için n-gram tabanlı yeni bir sınıflandırma (ng-ind): Yazar, tür ve cinsiyet. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 3(1), 11-19.
10. Durkaya, B. (2020). Examining the helpfulness of online customer reviews based on review related factors: The moderating effect of product type (Doctoral dissertation, Institute of Science And Technology).
11. Imran, A. S., Doudpota, S. M., Kastrati, Z., & Bhatra, R. (2020). Cross-Cultural Polarity and Emotion Detection Using Sentiment Analysis and Deep Learning--a Case Study on COVID-19. arXiv preprint arXiv:2008.10031.
12. Karcioğlu, A. A., & Aydin, T. (2019, April). Sentiment analysis of Turkish and english twitter feeds using Word2Vec model. In 2019 27th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
13. Loria, S. (2020). TextBlob Documentation Release 0.16.0. Retrieved June 01, 2020, from https://buildmedia.readthedocs.org/media/pdf/textblob/latest/textblob.pdf.
14. Loria S., (2018). “Textblob Documentation”, Brooklyn, New York, Technical Report.
15. Medhat, W., Hassan, A., ve Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 5(4), 1093-1113.
16. Meral, M., & Diri, B. (2014, April). Sentiment analysis on Twitter. In 2014 22nd Signal Processing and Communications Applications Conference (SIU) (pp. 690-693). IEEE.
17. Onan, A. ve Korukoğlu, S. (2016). A review of literature on the use of machine learning methods for opinion mining, Pamukkale University Journal of Engineering Sciences, 22(2), 111–122.
18. Özdeş, M. (2017). Büyük Veri Araçlarını Kullanarak Duygu Analizi Gerçekleştirimi. (Yüksek Lisans Tezi). Pamukkale Üniversitesi Fen Bilimleri Enstitüsü.
19. 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(4), 33.
20. Parlar, T., Saraç, E., & Özel, S. A. (2017, May). Comparison of feature selection methods for sentiment analysis on Turkish Twitter data. In 2017 25th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
21. Powar, S., Kadam, U. ve Salvi, T. (2018). Twitter Sentiment Analysis for Classifying Hate Tweets and Normal Tweets Using Logistic Regression and Naive Bayes Algorithm. Journal of Emerging Technologies and Innovative Research.5-10. 371-373.
22. Safalı, Y., Avaroğlu, E., & Ergen, B. (2018, September). Twitter Verilerinden Kullanıcıların Siyasi Eğilimlerinin Veri Madenciliği Teknikleri ile Kestirimi. In 2018 International Conference on Artificial Intelligence and Data Processing (IDAP) (pp. 1-5). IEEE.
23. Samuel, J., Ali, G. G., Rahman, M., Esawi, E., & Samuel, Y. (2020). Covid-19 public sentiment insights and machine learning for tweets classification. Information, 11(6), 314.
24. Şeker, S. E. (2015). Sosyal Ağlarda Veri Madenciliği (Data Mining on Social Networks). YBS Ansiklopedi. 2(2), 30-39.
25. TC. Sağlık Bakanlığı, (2020). COVID-19 (yeni koronavirüs hastalığı) nedir?. https://Covid19bilgi.saglik.gov.tr/tr/Covid-19-yeni-koronavirus-hastaligi-nedir.html
26. Türkmenoğlu, C. (2015). Türkçe Metinlerde Duygu Analizi. (Yüksek Lisans Tezi). İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü.
27. Zhou, J., Yang, S., Xiao, C., & Chen, F. (2020). Examination of community sentiment dynamics due to Covid-19 pandemic: A case study from australia. arXiv preprint arXiv:2006.12185.