Doğal afet yönetiminde afet öncesi hazırlık, afet anı müdahale ve afet sonrası iyileştirme aşamalarında Coğrafi Bilgi Sistemleri (CBS) kullanılarak uygulanan yönetim biçimleri ile doğal afetlerin yol açtığı zararlar en aza indirgenebilmektedir. Bu çalışmanın amacı, 6 Şubat 2023 tarihli Kahramanmaraş depremleri ile ilgili X (eskiden bilinen adıyla Twitter) sosyal medya verilerinin Python programlama dilinde Selenium ve BeautifulSoup kütüphaneleri kullanılarak kazınması ve doğal dil işleme ve derin öğrenme yöntemleri kullanılarak depremden etkilenen insanların afet sonrası duygu durumlarının incelenmesidir. Bu sayede, deprem anında bölge için genel duygu durumu ve sonrası için yapılacak sosyal ve psikolojik iyileştirme çalışmaları planlamalarının CBS ortamında daha hızlı ve kolay bir şekilde yapılmasına katkı sağlanabilecektir. Bu çalışmada, doğal dil işlemede kapı yinelemeli birimler (Gated Recurrent Units, GRU) derin ağ modeli kullanılarak X platformundan kazınmış ve düzenlenmiş veri kümesi üzerinde %87 test doğruluğu ile bir duygu analizi gerçekleştirilmiştir. Ayrıca CBS ortamında sıcak nokta analizi yapılarak yaşanan deprem ile ilgili X iletilerindeki duygu durumuna ait kümelenme örüntüsü istatistiksel olarak incelenmiştir. Böylece, yaşanabilecek depremler ile ilgili X platformuna ait coğrafi referanslı sosyal medya verilerinin duygu analizinde kullanılabileceği saptanmıştır.
Deprem Coğrafi referanslı sosyal medya verileri Web kazıma Duygu analizi Doğal dil işleme Derin öğrenme
In natural disaster management, the damages caused by natural disasters can be minimized by using Geographic Information Systems (GIS) in pre-disaster preparation, disaster response and post-disaster recovery stages. The aim of this study is to scrape X (formerly known as Twitter) social media data related to the Kahramanmaraş earthquakes on February 6, 2023 using Selenium and BeautifulSoup libraries in Python programming language, and to examine the post-disaster emotional states of people affected by the earthquake using natural language processing and deep learning methods. Thus, it will be possible to contribute to the planning of the general emotional state of the region at the time of the earthquake and the social and psychological rehabilitation activities to be carried out afterwards in a faster and easier way in the GIS environment. In this study, a sentiment analysis was performed with 87% test accuracy on the scraped and organized dataset from the X platform using the Gated Recurrent Units (GRU) deep network model in natural language processing. In addition, by performing hot spot analysis in the GIS environment, the clustering pattern of the emotional state in X messages related to the earthquake occurred was statistically analyzed. Thus, it was determined that georeferenced social media data of the X platform related to possible earthquakes can be used in sentiment analysis.
Earthquake Georeferenced social media data Web scraping Sentiment analysis Natural language processing Deep learning
Birincil Dil | Türkçe |
---|---|
Konular | Coğrafi Bilgi Sistemleri ve Mekansal Veri Modelleme |
Bölüm | Araştırma Makalesi |
Yazarlar | |
Erken Görünüm Tarihi | 20 Nisan 2024 |
Yayımlanma Tarihi | 3 Mayıs 2024 |
Gönderilme Tarihi | 14 Ocak 2024 |
Kabul Tarihi | 26 Mart 2024 |
Yayımlandığı Sayı | Yıl 2024 Cilt: 11 Sayı: 1 |