Sosyal Medya Kullanıcılarının Cumhur İttifakı Hakkındaki Görüşlerinin Veri Madenciliği Teknikleri ile Sınıflandırılması
Öz
Sosyal ağların kullanım oranlarının artması ile birlikte sosyal medya kullanıcıları tarafından oluşturulan verilerin sayısı günden güne artmaktadır. Bu veriler ile duygu analizi, kişilik tespiti vb. akademik çalışmalar yapılabilmektedir. Bu çalışmada popüler sosyal ağlardan olan Facebook, Twitter, Instagram ve Linkedin kullanıcılarının “Cumhur İttifakı” hakkındaki görüşleri sınıflandırılmıştır. Bu amaçla, Facebook, Twitter, Instagram ve Linkedin kullanıcılarının Cumhur ittifakı hakkında paylaştıkları olumlu ve olumsuz görüşlere göre veri kümesi oluşturulmuştur. Bu veri kümesi üzerinde terim frekansı yöntemi uygulanarak öz nitelik çıkarımı yapılmıştır. Öz nitelik çıkarımı yapıldıktan sonra verilere sınıf etiketleri eklenerek eğitim kümesi oluşturulmuştur. Sınıf etiketine sahip eğitim kümesi denetimli makine öğrenmesi yöntemine uygun hale getirilmiştir. Oluşturulan eğitim kümesi üzerine makine öğrenmesi algoritmaları kullanılarak dört farklı model inşa edilmiştir. K En Yakın Komşu, Karar Ağacı, Sıralı Minimum Optimizasyon ve Bayes Sınıflandırma algoritmaları ile oluşturulan modeller kullanıcıları Cumhur İttifakı’nı destekleyen ve desteklemeyen kullanıcılar olarak sınıflandırmıştır. Oluşturulan dört farklı modelin doğruluk oranları hesaplanırken Kappa istatistik testi kullanılmıştır. Yapılan test sonucunda K En Yakın Komşu sınıflandırma algoritmasının kullanıldığı model %97 oranında başarı vermiştir. Sosyal medya kullanıcılarının Cumhur İttifakı hakkındaki görüşleri başarılı bir şekilde sınıflandırılmıştır
Anahtar Kelimeler
Cumhur İttifakı, metin madenciliği, Kappa testi, Makine öğrenmesi, Sosyal medya analizi, Kappa testi
Kaynakça
- Akgül, E. S., Ertano, C., & Diri, B. (2016). Twitter verileri ile duygu analizi. Pamukkale University Journal of Engineering Sciences, 22(2).
- ÇALIŞ, K., GAZDAĞI, O., & YILDIZ, O. (2013). Reklam İçerikli Epostaların Metin Madenciliği Yöntemleri ile Otomatik Tespiti. International Journal Of Informatics Technologies, 6(1), 1-7.
- Çetin, M., & Amasyalı, M. F. (2013, April). Supervised and traditional term weighting methods for sentiment analysis. In 2013 21st Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE...
- Daş, B., & Türkoğlu, İ. (2014). DNA dizilimlerinin sınıflandırılmasında karar ağacı algoritmalarının karşılaştırılması. Elektrik-Elektronik-Bilgisayar ve Biyomedikal Mühendisliği Sempozyumu (ELECO 2014), 381-383.
- Kaynar, O., Yıldız, M., Görmez, Y., & Albayrak, A. (2016). Makine öğrenmesi yöntemleri ile Duygu Analizi. In International Artificial Intelligence and Data Processing Symposium (IDAP'16) (pp. 17-18).
- KILINÇ, D., BORANDAĞ, E., YÜCALAR, F., TUNALI, V., ŞİMŞEK, M., & ÖZÇİFT, A. (2016). KNN algoritması ve r dili ile metin madenciliği kullanılarak bilimsel makale tasnifi.
- Nikfarjam, A., Sarker, A., O’connor, K., Ginn, R., & Gonzalez, G. (2015). Pharmacovigilance from social media: mining adverse drug reaction mentions using sequence labeling with word embedding cluster features. Journal of the American Medical Informatics Association, 22(3), 671-681.
- Nizam, H., & Akın, S. S. (2014). Sosyal medyada makine öğrenmesi ile duygu analizinde dengeli ve dengesiz veri setlerinin performanslarının karşılaştırılması. XIX. Türkiye'de İnternet Konferansı. Pennacchiotti, M., & Popescu, A. M. (2011, July). A machine learning approach to twitter user classification. In Fifth international AAAI conference on weblogs and social media.
- Seker, S. E. (2014). Sosyal Ağlarda Akan Veri Madenciliği. YBS Ansiklopedi, 1(3), 21-25.
- Türkmen, A. C., & Cemgil, A. T. (2014, April). Political interest and tendency prediction from microblog data. In 2014 22nd Signal Processing and Communications Applications Conference (SIU) (pp. 1327-1330). IEEE.