SOSYAL AĞ TABANLI VERİLERDEN FAYDALANARAK KORONA VİRÜS KONULU DUYGU ANALİZİ ÇALIŞMASI
Öz
İletişim teknolojilerindeki gelişmeler sosyal medyayı toplum hayatının odak noktası haline getirmiştir. İnsanlar herhangi bir konu, ürün hakkındaki görüş düşünce ve yorumlarını, özgürce sosyal medyada paylaşmaktadırlar. Özellikle pandemi dönemindeki kişiler arası iletişimlere konan mesafe kuralı, sosyal medya üzerinde veri akışını yoğunlaştırmış, iş modellerini sosyal medya ortamına kaydırmış ve ergonomik değişiklikleri de gündeme getirmiştir. Günümüzün en önemli gündemi olan korona virüs salgınının toplum hayatı üzerindeki etkileri, kişilerin salgınla ilgili yoğunlaşan düşüncelerini oluşturmaktadır. Dolayısıyla pandemi sürecinin ergonomik koşullara ve sosyal hayata yansıması üzerine bir analiz çalışması yapılmıştır. Yapılan çalışmada metin madenciliğinin duygu analizi teknikleri kullanılarak toplumun, korona virüs salgını konusundaki nabzını tutmaya çalışılmıştır. Duygu analizine konu veriler kişilerin görüşleri olduğu için, sosyal medyada kişilerin düşünce ve içinde bulunduğu ruh hallerini özgürce paylaşabildiği tweet verileri çalışma veri kaynağı olarak seçilmiştir. Tweet verileri genellikle kısa uzunlukta olmakla birlikte, metinler dilbilimsel olarak hatalar içerebilmektedir. Buna ek olarak metinlerin ironiler ve emojiler içermesi metin analiz süreçlerini zorlaştırmaktadır. Metin analizlerinin doğru sonuçları oluşturabilmesi için doğru veriye ihtiyaç duyması, veri analiz süreçlerinin analiz öncesi veriye uygulanmasını gerektirmektedir. Bu özellikleri ile tweet verileri doğal dil işleme teknikleri ile analiz çalışmaları önemli bir çalışma alanı olarak karşımıza çıkmaktadır. Bu nedenle çalışmaya konu olarak seçilen korona virus ile ilgili kişilerin sosyal ağlarda paylaştığı tweet verileri phyton ile yazılan bir uygulama toplanmıştır. Bu veriler öncelikle, Türkçe’ye özgü çesitli dilbilimsel tekniklerle temizlenmiş, daha sonra sözlük tabanlı, bert ve makine öğrenmesi duygu analizi teknikleri işlenmiştir. Elde edilen sonuçlar ve sonuçların duyarlılık analizleri karşılaştırmalı olarak sunulmuştur.
Anahtar Kelimeler
Kaynakça
- Agarwal, A., Xie, B., Vovsha, I., Rambow, O., and Passonneau, R. (2011). Sentiment Analysis of Twitter Data. In Proceedings of the Workshop on Languages in Social Media (pp. 30-38). Association for Computational Linguistics.
- Boğaziçi Üniversitesi, Türkçe için Kapsamlı Bir Duygu Analizi Çatısı Oluşturulması, https://arastirma.boun.edu.tr/tr/proje/turkce-icin-kapsamli-bir-duygu-analizi-catisi-olusturulmasi.
- Dehkharghani R, Saygin Y, Yanikoglu B, Oflazer K. (2016). SentiTurkNet: A Turkish Polari-ty Lexicon for Sentiment Analysis. Language Resources and Evaluation 2016; 50: 667-685.
- Devlin, J., Chang M.W., Lee, K., Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding,arXiv:1810.04805v2 [cs.CL].
- Kiritchenko, S., Zhu, X., and Mohammad, S. M. (2014). Sentiment analysis of short informal texts. Journal of Artificial Intelligence Research, 50, 723-762.
- Koksal, A. (2018). Eğitilmiş Türkçe Word2Vec Modeli, https://libraries.io/github/akoksal/ Turkish-Word2Vec##TO-DO##.
- Koksal, A. (2020). Bert Türkçe Duygu Analizi, https://github.com/akoksal/BERT-Sentiment-Analysis-Turkish.
- Liu, B. (2010). Sentiment analysis and subjectivity, Handbook of natural language processing, 2, 627–666.
- 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.
- Özdeş, M. (2017). Büyük Veri Araçlarını Kullanarak Duygu Analizi Gerçekleştirimi. (Yüksek Lisans Tezi). Pamukkale Üniversitesi Fen Bilimleri Enstitüsü.