‘Tamam’ ve ‘Devam’ Etiketleriyle Atılan Tweetler ile Cumhur ve Millet İttifakı Grupları Arasındaki İlişkinin İncelenmesi

Yıl 2019, , 287 - 298, 29.10.2019

Ertuğrul Gümüşsu , Naci Murat

https://doi.org/10.17671/gazibtd.453272

Cited By: 1

Öz

Teknoloji kullanımın her geçen gün artmasıyla birlikte sosyal medya ve internet kullanımı hızla yaygınlaşmaktadır. Özellikle sosyal medya kullananların sayısının artmasıyla insanlar duygu ve düşüncelerini, gündemle ilgili görüş ve fikirlerini sosyal medya araçlarını kullanarak paylaşmaktadır. En çok kullanılan sosyal medya araçlarından biri olan Twitter ve Facebook gibi sosyal ağ uygulamalarında paylaşılan içerikler yapısal olmayan veri türleridir. Bunun gibi yapısal olmayan metin içerikli verilerin yapısal hale dönüştürülmesinde ve analiz edilmesinde metin madenciliği yöntemleri kullanılmaktadır. Bu çalışmada, 24 Haziran Cumhurbaşkanlık ve Milletvekili Seçimlerinde ‘Tamam’ ve ’Devam’ etiketleriyle atılan tweetler metin madenciliği yöntemleri kullanılarak analiz edilmiştir. Metin ön işlem aşamasında kelimelerin köklerini bulmak için Zemberek kök bulma yöntemi ve ağırlıklandırma yöntemi olarak ise terim frekansı (TF) ağırlıklandırma yöntemi uygulanmıştır. Oluşturulan sınıflar arasındaki ilişkiyi ölçmek amacıyla korelasyon analizi yapılmıştır. Kruskal Wallis Testi ile frekans terim ağırlıklarının sınıflara göre farklılığı test edilmiştir. Elde edilen özelliklerin terim frekansı (TF) değerlerine göre kelime bulutları oluşturulmuştur.

Anahtar Kelimeler

metin madenciliği, kelime bulutu, siyasal analiz, sosyal medya

To Examine of the Relationship Between Shared Tweets of the ‘Tamam’ and ‘Devam’ Tags and the People's Alliance and National Alliance

Öz

As the use of technology increases day by day, the use of social media and internet is rapidly spreading. Especially with the increasing number of people who use social media, people share their feelings and thoughts, opinions and ideas about the agenda by using social media tools. Contents that is shared in social network applications like Twitter and Facebook, one of the most used social media tools, are non-structural data types. Text mining methods are used to transform non-structured textual data such as these into structured and analyze data. In this study, the tweets shared with the tags 'Tamam' and 'Devam' in the 24 June Presidential and Parliamentary Elections were analyzed using text mining methods. The Zemberek stemming method were used to find words root  and the term frequency (TF) weighting method were used as the weighting method at text pre-processing stage. Correlation analysis was performed to measure the relationship between the created classes. With Kruskal Wallis Test, the frequency term weights were tested according to the classes. Word clouds was formed according to the term frequency (TF) values of the obtained features.

Anahtar Kelimeler

text mining, word cloud, political analysis, social media analysis

Kaynakça

• T. Kaşıkçı, H. Gökçen, “Metin Madenciliği İle E-Ticaret Sitelerinin Belirlenmesi”, Bilişim Teknolojileri Dergisi, 7(1), 25-32, 2014.
• Ö. Bilen, D. Hotaman, Ö. E. Aşkın, A. H. Büyüklü, “LYS Başarılarına Göre Okul Performanslarının Eğitsel Veri Madenciliği Teknikleriyle Incelenmesi: 2011 İstanbul Örneği”, Eğitim ve Bilim Dergisi, 39(172), 78-94, 2011.
• S. Nicandro, C. M. F. Benjamin, H. K. Rashid, “Mining Known Attack Patterns From Security-Related Events”, PeerJ Computer Science, 1, 1-21, 2015.
• Y. J. Lee, J. Y. Park, “Identification Of Future Signal Based On The Quantitative And Qualitative Text Mining: A Case Study On Ethical Issues In Artificial Intelligence”, Quality and Quantity, 52(2), 653-667, 2018.
• D. Kılınç, E. Borandağ, F. Yücalar, V. Tunalı, M. Şimşek, A. Özçift, “KNN Algoritması Ve R Dili Ile Metin Madenciliği Kullanılarak Bilimsel Makale Tasnifi”, Marmara Fen Bilimleri Dergisi, 28(3), 89-94, 2016.
• M. F. Tsai, C. J. Wang, “On The Risk Prediction And Analysis Of Soft Information In Finance Reports”, European Journal of Operational Research, 257(1), 243-250, 2017.
• G. João, R. Paulo, T. Duarte, “A Text Mining-Based Review Of Cause-Related Marketing Literature”, Journal of Business Ethics, (1) 111, 2016.
• İ. O. Yigit, A. F. Ateş, M. Guvercin, H. Ferhatosmanoğlu, B. Gedik, “Call Center Text Mining Approach”, 25th Signal Processing and Communications Applications Conference (SIU), Antalya, 27 Haziran, 2017.
• N. Akyel, K. Seçkin, “Κ-En Yakın Komşuluk Algoritmasının Hile Denetiminde Kullanımı”, Muhasebe ve Vergi Uygulamaları Dergisi, 5(1), 21-39, 2012.
• J. Fluck, M. Hofmann-Apitius, “Review: Text Mining For Systems Biology”, Drug Discovery Today, 19, 140-144, 2014.
• D. Kılınç, F. Bozyiğit, F. Yücelar, Ö. Akın, E. Borandağ, “Metin Madenciliği Kullanarak Yazılım Kullanımına Dair Bulguların Elde Edilmesi”, Ulusal Yazılım Mühendisliği Sempozyumu (UYMS), İzmir, 2015.
• B. Kırmacı, H. Oğul, “Author Recognition From Lyrics”, 23nd Signal Processing & Communications Applications Conference (SIU), Malatya, 16-19 May, 2489-2492, 2015.
• S. İlhan, N. Duru, Ş. Karagöz, M. Sağır, “Metin Madenciliği Ile Soru Cevaplama Sistemi”, Elektrik-Elektronik ve Bilgisayar Mühendisliği Sempozyumu, Bursa, 2008.
• H. Göker, H. Tekedere, “Fatih Projesine Yönelik Görüşlerin Metin Madenciliği Yöntemleri İle Otomatik Değerlendirilmesi”, Bilişim Teknolojileri Dergisi, 10(3), 291-299, 2017.
• B. Oğuz, U. Bilge, O. Saka, “Tıpta Metin Madenciliği”, 4. Tıp Bilişimi Kongresi, Antalya, 108-112, 2007.
• M. Ö. Dolgun, T. G. Özdemir, D. Oğuz, “Veri Madenciliğinde Yapısal Olmayan Verinin Analizi: Metin Ve Web Madenciliği”, Istatistikçiler Dergisi, 2, 48-58, 2014.
• O. Yıldız, “Metin Madenciliğinde Anahtar Kelime Seçimi Bir Üniversite Örneği”, Yönetim Bilişim Sistemleri Dergisi, 2(3), 29-50, 2017.
• M. Alaeddinoğlu, T. Aydın, D. Dal, “Birliktelik Kuralları İle Mekansal-Zamansal Veri Madenciliği”, Fen Bilimleri Enstitüsü Dergisi, 5(2), 191-212, 2014.
• A. Yıldız, M. Demirci, “Corporate E-Mail Classification System”, (UBMK'17) 2nd International Conference on Computer Science and Engineering, Antalya, 559-564, 2017.
• F. Başkaya, İ. Aydın, “Haber Metinlerinin Farklı Metin Madenciliği Yöntemleriyle Sınıflandırılması”, International Artificial Intelligence and Data Processing Symposium (IDAP), Malatya, 1-5, 16-17 Sept., 2017.
• V. Tunalı, T. T. Bilgin, “Türkçe metinlerin kümelenmesinde farklı kök bulma yöntemlerinin etkisinin araştırılması”, Elektrik, Elektronik ve Bilgisayar Mühendisliği Sempozyumu (ELECO), Bursa, 598-602, 29 Kasım-1 Aralık, 2012.
• A. Haltaş, A. Alkan, M. Karabulut, “Metin Sınıflandırmada Sezgisel Arama Algoritmalarının Performans Analizi”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 30(3), 417-427, 2015.
• M. F. Karaca, M. Günel, A. A. Taştan, “Metin Sınıflandırmada Benzerlik Hesaplama Tekniklerinin Değerlendirilmesi”, 17. Akademik Bilişim Konferansı, Anadolu Üniversitesi, 4-6 Şubat, 2015.
• Ö. Çoban, B. Özyer, G. T. Özyer, “Sentiment Analysis For Turkish Twitter Feeds”, 23th Signal Processing and Comunications Applications Conference (SIU), Malatya, 2388-2391, 16-19 May, 2015.
• E. Canhası, Edebiyat eserlerinin web verilerine dayanarak sınıflandırılması, Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, 2007.
• F. Gürbüz, E. K. Özyirmidokuz, “A Decision Support System By Analysis Of The Meeting Reports”, Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 2018.
• K. Ergün, C. Kubat, G. Çağıl, R. Cesur, “Abstract Information Extraction From Consumer's Comments On Internet Media”, SAÜ Fen Bilimleri Dergisi, 1, 33-40, 2013.
• B Açıkalın, N G Bayazıt, “The Importance Of Preprocessing In Turkish Text Classification”,. 24th Signal Processing and Communication Application Conference (SIU), Zonguldak, 2053-2056, 16 – 19 May, 2016.
• H. Gündüz, Borsa İstanbul (BIST) 100 endeksi yönünün ekonomi haberleri ile tahmin edilmesi, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2013.
• M. F. Amasyalı, S. Balcı, E. Mete, E. N. Varlı, “Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin Performans Karşılaştırılması” EMO Bilimsel Dergi, 2(4), 95-104, 2012.
• K. Seçkin, Metin madenciliğinde kullanılan yöntemlerin karşılaştırılması: Siyasi parti liderlerinin grup genel toplantı konuşmaları ile bir uygulama, Yüksek Lisans Tezi, Sakarya Üniversitesi, Sosyal Bilimler Enstitüsü, 2011.
• M. Ö. Cingiz, B. Diri, “Classification Of Microblogging Users”, IEEE 20. Sinyal İşleme ve Uygulama Kurultayı, Muğla, 1-5, 18-20 Nisan, 2012.
• E. Kılıç, M. R. Tavus, Z. Karhan, “Classification Of Breaking News Taken From The Online News Sites”. 23nd Signal Processing & Communications Applications Conference (SIU), Malatya, 363-366, 16-19 May, 2015.
• H. Bayer H., Veri maddenciliğinde bir metin madenciliği uygulaması, Yüksek Lisans Tezi, Beykent Üniversitesi, Fen Bilimleri Enstitüsü, 2011.
• K Çalış, O. Gazdağı, O. Yıldız, “Reklam Içerikli E-Postaların Metin Madenciliği Yöntemleri İle Otomatik Tespiti”, Bilişim Teknolojileri Dergisi, 6(1), 2012.
• M. F. Karaca, S. Görgünoğlu, “Columnready: İnternet Gazeteleri Köşe Yazılarını Hazırlama Uygulama Yazılımı”, 14. Akademik Bilişim Konferansı, Uşak Üniversitesi, 1-3 Şubat, 2012.
• A. Güven, Ö. Ö. Bozkurt, O. Kalıpsız, “Veri Madenciliğinin Geleceği”, 9. Akademik Bilişim Konferansı, Dumlupınar Üniversitesi, 31 Ocak - 2 Şubat, 2007.
• S. Savaşan, B. Diri, “Automatic Tag Cloud Generation From Turkish Contents”, Journal of Engineering and Natural Sciences, 29, 156-169, 2011.