Tweetlerin Duygu Analizi İçin Hibrit Bir Yaklaşım
Öz
Sosyal medyada ifade edilen görüşler, çeşitli işletmeler için her zaman dikkate alınan ve faydalı bir kaynak olmuştur. Duygu analizi, kullanıcılar tarafından oluşturulan içeriği belirli kutuplara (pozitif, negatif) etkin bir şekilde sınıflandırmayı ifade eden genel bir terimdir. Duyguların sınıflandırma ve analizini gerçekleştirmek için çeşitli araçlar ve teknikler bulunmaktadır. Bunlar, veri üzerinde ön işleme adımları tamamlandıktan sonra hedef grubu sınıflandıran denetimli makine öğrenimi tekniklerini içermektedir. Hibrit araçlar, makine öğrenimi ve sözlük tabanlı algoritmaların birleşimini kullanarak, işaretlenmiş verilere dayalı olarak sınıflandırma yapar. Bu makalede, duyguların analizinde SVM algoritmasını Weka adında açık kaynaklı bir yazılım ile birlikte kullandık. İki önceden kategorize edilmiş tweet veri seti kullanıldı. SVM algoritmasının performansı, analitik metrikler yardımıyla değerlendirildi.
Anahtar Kelimeler
Kaynakça
- Appel, O., Chiclana, F., Carter, J., & Fujita, H. (2016). A hybrid approach to sentiment analysis. In IEEE Congress on Evolutionary Computation.
- Beleveslis, D., Tjortjis, C., Psaradelis, D., & Nikoglou, D. (2019). A Hybrid Method For Sentiment Analysis Of Election Related Tweets. In 4th SouthEast Europe Design Automation, Computer Engineering, Computer Networks and Social Media Conference (SEEDA-CECNSM).
- Çelik, E., Dal, D.., & Aydın, T. (2021). Duygu Analizi İçin Veri Madenciliği Sınıflandırma Algoritmalarının Karşılaştırılması. Avrupa Bilim ve Teknoloji Dergisi, (27), 880-889.
- Erşahin, B., Aktaş, Ö., Kılınç, D., & Erşahin, M. (2019). A hybrid sentiment analysis method for Turkish. Turkish Journal of Electrical Engineering and Computer Science, 27, 1780–1793.
- Genuer, R. (2010). Forêts aléatoires: aspect théoriques, sélection de variables et applications (Thèse de Doctorat Mathématiques, Université de Paris-Sud XI).
- Liu, S., Li, F., Li, F., Cheng, X., & Shen, H. (2013). Adaptive co-training SVM for sentiment classification on tweets. In Proceedings of the 22nd ACM international conference on Information & Knowledge Management ACM.
- Mudinas, A., Zhang, D., & Levene, M. (2012). Combining lexicon and learning based approaches for concept-level sentiment analysis. In Proceedings of the First International Workshop on Issues of Sentiment Discovery and Opinion Mining.
- Naz, S., Sharan, A., & Malik, N. (2018). Sentiment Classification On Twitter Data Using Support Vector Machine. In IEEE/WIC/ACM International Conference on Web Intelligence (WI).
- Ohana, B., & Tierney, B. (2009). Sentiment classification of reviews using SentiWordNet. In 9th IT&T Conference.
- Polat, H., & Ağca, Y. (2022). TripAdvisor Kullanıcılarının Türkçe ve İngilizce Yorumları Kapsamında Duygu Analizi Yöntemlerinin Karşılaştırmalı Analizi. Abant Sosyal Bilimler Dergisi, 22(2), 901-916.