Comparison of Classifiers While Analyzing Sentiment from Turkish Twitter Data

Yıl 2021, Cilt: 2 Sayı: 2, 1 - 5, 31.05.2021

Enes Kumaş

Öz

Today, there is a rapid increase in the use of social media. With the posts people make on social media platforms, a large amount of data has begun to occur. These data provide us with information on people, products, companies and many other areas. With the increasing amount of data, various fields of study have emerged where data are processed and analyzed. Sentiment analysis is one of these areas of study. Sentiment analysis is the process of classifying a person's or text's attitude towards a particular subject as positive, negative or neutral. In this study, Twitter was used as a social media platform. Sentiment analysis was conducted using Turkish Twitter data. By applying text mining methods to Twitter data, the data was analyzed and classified as positive and negative using various classification algorithms.

Anahtar Kelimeler

social media analysis, data mining, text mining, sentiment analysis

Türkçe Twitter Verilerinden Duygu Analizi Yapılırken Sınıflandırıcıların Karşılaştırılması

Öz

Günümüzde sosyal medya kullanımında hızlı bir artış yaşanmaktadır. İnsanların sosyal medya platformlarında yaptığı paylaşımlar ile yüksek miktarda veriler oluşmaya başlamıştır. Bu veriler bizlere kişiler, ürünler, firmalar ve daha birçok alanda bilgi sağlamaktadır. Artan veri miktarı ile birlikte verilerin işlenip analiz edildiği çeşitli çalışma alanları ortaya çıkmıştır. Duygu analizi bu çalışma alanlarından biridir. Duygu analizi bir kişinin ya da metinin belirli bir konuya yönelik tutumunun olumlu, olumsuz ya da tarafsız olarak sınıflandırılma sürecidir. Bu çalışmada da sosyal medya platformu olarak Twitter kullanılmıştır. Türkçe Twitter verileri kullanılarak duygu analizi yapılmıştır. Twitter verilerine metin madenciliği yöntemleri uygulanarak veriler analiz edilmiştir ve çeşitli sınıflandırma algoritmaları kullanılarak pozitif ve negatif olarak sınıflandırılmıştır.

Anahtar Kelimeler

sosyal medya analizi, veri madenciliği, metin madenciliği, duygu analizi

Kaynakça

• Karaderili, Ş. 2018. Makine öğrenmesinde sınıflandırma algoritması türleri. https://medium.com/@sengul_krdrl/makine-öğrenmesinde-siniflandirma-algoritmasi-türleri-5e0f32245889 (Erişim Tarihi: 18.01.2021)
• Ulgen, K. E. 2017. k-En Yakın Komşuluk. https://medium.com/@k.ulgen90/makine-öğrenimi-bölüm-2-6d6d120a18e1 (Erişim Tarihi: 18.01.2021)
• Gandhi, R. 2018. Support Vector Machine. https://towardsdatascience.com/support-vector-machine-introduction-to-machine-learning-algorithms-934a444fca47 (Erişim Tarihi: 18.01.2021)
• Logistic Regression in Machine Learning. https://www.javatpoint.com/logistic-regression-in-machine-learning (Erişim Tarihi: 18.01.2021)
• Decision Tree Classification Algorithm. https://www.javatpoint.com/machine-learning-decision-tree-classification-algorithm (Erişim Tarihi: 18.01.2021)
• Saygısever, M. 2019. Metin Madenciliği Nedir?. https://medium.com/@minelsaygisever/metin-madenciliği-nedir-4a39809bfed5 (Erişim Tarihi: 16.01.2021)
• Metin Madenciliği Nedir?. http://www.metinmadenciligi.com (Erişim Tarihi: 16.01.2021)
• Demir, B. A. 2019. Duygu Analizi Nedir?. https://ardabatuhandemir.medium.com/duygu-analizi-sentiment-anaylsis-nedir-68a59a8b0142 (Erişim Tarihi: 16.01.2021)
• Yücel, F. Ö. 2020. Pycharm Nedir, Avantajları ve Özellikleri. https://www.mertmekatronik.com/pycharm-nedir-ozellikleri (Erişim Tarihi: 16.01.2021)
• JPype documentation. https://jpype.readthedocs.io/en/latest/ (Erişim Tarihi: 16.01.2021)
• Durna, B. M. 2019. Numpy. https://medium.com/bilişim-hareketi/veri-bilimi-için-temel-python-kütüphaneleri-1-numpy-750429a0d8e5 (Erişim Tarihi: 16.01.2021)
• Şirin, E. 2019. Python Pandas İle Temel İşlemler. https://www.veribilimiokulu.com/blog/python-pandas-ile-temel-islemler/ (Erişim Tarihi: 16.01.2021)
• Laura, M. 2021. Python Kütüphaneleri. https://tr.bitdegree.org/tutorial/python-kutuphaneleri/ (Erişim Tarihi: 16.01.2021)
• 2020. Zemberek. https://tr.wikipedia.org/wiki/Zemberek_(yazılım) (Erişim Tarihi: 16.01.2021)
• Afsina. 2018. Metin Normalizasyonu. http://zembereknlp.blogspot.com/ (Erişim Tarihi: 17.01.2021)
• Dayıbaşı, O. 2018. Metin Madenciliğinde Kavramlar. https://medium.com/algorithms-data-structures/metin-madenciliğinde-text-mining-kavramlar-1-e11b87b28847 (Erişim Tarihi: 17.01.2021)
• Demir, B. A. 2020. Duygu Analizi ve Fikir Madenciliği. https://ardabatuhandemir.medium.com/duygu-analizi-ve-fikir-madencili%C4%9Fi-3-sentiment-analysis-opinion-mining-stemming-and-39d7fd83f03c (Erişim Tarihi: 17.01.2021)
• Stecanella, B. 2019. What is TF-IDF?. https://monkeylearn.com/blog/what-is-tf-idf/ (Erişim Tarihi: 17.01.2021)
• Öğündür, G. 2019. Doğruluk, Kesinlik, Duyarlılık ya da F1 Score?. https://medium.com/@gulcanogundur/doğruluk-accuracy-kesinlik-precision-duyarlılık-recall-ya-da-f1-score-300c925feb38 (Erişim Tarihi: 18.01.2021)
• A. Hayran and M. Sert, "Sentiment analysis on microblog data based on word embedding and fusion techniques," 2017 25th Signal Processing and Communications Applications Conference (SIU), Antalya, 2017, 1-4. DOI:10.1109/SIU.2017.7960519
• Meral, M., Diri, B. 2014. Sentiment Analysis on Twitter. IEEE 22nd Signal Processing and Communications Applications Conference, 2014, 690-693. DOI:10.1109/SIU.2014.6830323
• Akgül, S. E., Ertano, C., Diri, B. 2016. Twitter Verileri ile Duygu Analizi. Pamukkale Üniversitesi Mühendislik Bilimler Dergisi, 22(2), 106-110. DOI:10.5505/pajes.2015.37268
• İlhan, N., Sağaltıcı, D. 2020. Twitter’da Duygu Analizi. Harran Üniversitesi Mühendislik Dergisi, 5(2), 146-156. DOI:10.46578/humder.772929
• Atan, S. 2020. Metin Madenciliği: İmkanlar, Yöntemler ve Kısıtlar. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2020(31), 220-239. DOI:10.20875/makusobed.476524