KNOWLEDGE DISCOVERY IN SOCIAL NETWORKS USING TEXT MINING TECHNIQUES

Yıl 2018, , 324 - 333, 23.06.2018

Asım Sinan Yüksel , Fatma Gülşah Tan

https://doi.org/10.21923/jesd.384791

Cited By: 7

Öz

With the popularization of
the social networks, data flow in social media environments has increased.
Increase in the number of non-structural data has increased the importance of
decision-support systems that performs automatic sentiment analysis and have the
ability to derive meaning from data. In this study, a decision support system was developed by applying text
mining and sentiment analysis techniques in order to reach more useful
information from social networks and automatically interpret the opinions of
the people about the places they planned to visit. Positive and negative
opinions are determined in real time and sentiment analysis is done
automatically. The data set that is needed to implement the text mining techniques was
collected from comments on the Foursquare social sharing platform, which allows
people to find places to eat, drink, shop or visit in any city in the world. The
reactions of the sentiment analysis methods used in English to the Turkish were
examined and a new method specific to Turkish was developed and combined with
sentiment analysis methods.  Success
rates of 81,97% and 84.49% were achieved in binary and ternary classifications
respectively.    

Anahtar Kelimeler

Text Mining, Sentiment Analysis, Social Networks, Natural Language Processing, Decision Support Systems

METİN MADENCİLİĞİ TEKNİKLERİ İLE SOSYAL AĞLARDA BİLGİ KEŞFİ

Öz

al
ağların popülerleşmesi ile birlikte sosyal medya ortamlarındaki veri akışı
artmıştır. Verinin artması, yapısal olmayan veri miktarını arttırmış,
dolayısıyla veriden anlam çıkarabilme yeteneği olan, otomatik olarak duygu
analizi yapan karar destek sistemlerinin önemi artmıştır. Bu çalışmada sosyal
ağlardan daha yararlı bilgilere ulaşmak, kişilerin bulundukları çevrede gitmeyi
planladıkları mekânlar hakkındaki görüşlerini otomatik olarak yorumlamak
amacıyla, metin madenciliği ve duygu analizi teknikleri uygulanarak bir karar
destek sistemi geliştirilmiştir.  Olumlu
ve olumsuz görüşler gerçek zamanlı olarak belirlenmekte ve duygu analizleri
otomatik bir şekilde yapılmaktadır. Metin madenciliği tekniklerinin uygulanması
için gerekli olan veri setleri insanların dünya üzerinde herhangi bir şehirde
yemek, içmek, alışveriş yapmak veya ziyaret etmek için mekânları bulmalarını
sağlayan Foursquare sosyal paylaşım platformunda bulunan yorumlardan oluşturulmuştur.
İngilizce için kullanılan duygu analizi yöntemlerinin Türkçede göstereceği
tepkiler incelenmiş ve Türkçeye özel yeni bir yöntem geliştirilerek duygu
analizi metotları ile birleştirilmiştir. İkili sınıflandırmada %81,97, üçlü
sınıflandırmada ise %84,49 başarı oranı elde edilmiştir.

Anahtar Kelimeler

Metin Madenciliği, Duygu Analizi, Sosyal Ağlar, Doğal Dil İşleme, Karar Destek Sistemleri

Kaynakça

• Adalı, E. (2012). Doğal Dil İşleme. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi. http://dergipark.gov.tr/tbbmd/issue/22245/238797 adresinden alındı
• Agarwal, A., Xie, B., Vovsha, I., Rambow, O., & Passonneau, R. (2011). Sentiment analysis of Twitter data. LSM '11 Proceedings of the Workshop on Languages in Social Media, 30-38 .
• Balahur, A., Hermida J.M., Montoyo, A., 2012, Detecting implicit expressions of emotion in text: a comparative analysis. Decis Support Syst
• Metin Madenciliği Teknikleri Ve Uygulaması, 2017. Erişim Tarihi: 2017. ileriteknoloji.net
• Cao, Q., Duan, W., Gan, Q., 2011. Exploring determinants of voting for the ''helpfulness'' of online user reviews: a text mining approach. Decis Support Syst.
• Delibaş, A. (2008). Doğal Dil İşleme İle Türkçe Yazım Hatalarının Denetlenmesi. Yüksek Lisans Tezi,İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
• Dumanlı Kürkçü, D. (2017). Haber Tweetleri Üzerinden Kullanıcı Etkileşiminin Analizi. Erciyes İletişim Dergisi, 314-324.
• Dolgun, M. (2006). Büyük Alışveriş Merkezleri İçin Veri Madenciliği Uygulamaları. Yüksek Lisans Tezi, Hacettepe Üniversitesi Fen Bilimleri Enstitüsü.
• Eroğul, U. (2009). SENTIMENT ANALYSIS IN TURKISH. Master's Thesis,Middle East Technical University.
• Feldman, R., & Sanger , J. (2007). The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. United States of America.
• Google Translate API, 2017. Erişim Tarihi: 2017. http://www.google.com/translate_t?hl=en&ie=UTF8&text={0}&langpair={1}
• Go, Alec, Richa Bhayani, and Lei Huang. "Twitter sentiment classification using distant supervision," CS224N Project Report, Stanford , 2009,pp.12.
• ITU Turkish Natural Language Processing Web Interface, 2017. Erişim Tarihi: 2017. http://tools.nlp.itu.edu.tr/
• Liu , B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers, May 2012.
• Liu, Y., Bi, J.W, Fan, Z.P., 2017. Ranking products through online reviews: A method based on sentiment analysis technique and intuitionistic fuzzy set theory. Information Fusion
• Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 1-135.
• Piryani, R., Madhavi, D., Singh, V.K., 2017. Analytical mapping of opinion mining and sentiment analysis research during 2000-2015. Information Processing and Management
• Ptaszynski, M., Dokoshi H., Oyama, S., Rzepka, R., Kurihara, M., Araki, K., Momouchi, Y., 2013. Affect analysis in context of characters in narratives. Expert Syst Appl. 40:168-76.
• Rich, E. (1991). Artificial Intelligence (McGraw-Hill series in artificial intelligence). Newyork: Second Edition.
• Schumaker, R.P., Jarmoszko, A.T., Labedz, C.S., 2016. Predicting wins and spread in the Premier League using a sentiment analysis of twitter. Decision Support Systems
• Seker, S. E. (2015). Metin Madenciliği (Text Mining). http://ybsansiklopedi.com/wp-content/uploads/2015/08/MetinMadenciligi30_32.pdf: http://ybsansiklopedi.com/wp-content/uploads/2015/08/MetinMadenciligi30_32.pdf adresinden alındı
• Text Analysis API Demo, 2017. Erişim Tarihi: 2017. https://developer.aylien.com/text-api-demo?text=&language=en&tab=classify-taxonomy
• Vural, A., Cambazoglu, B., Senkul, P., & Tokgoz, Z. (2013). A Framework for Sentiment Analysis in Turkish: Application to Polarity Detection of Movie Reviews in Turkish. London: Computer and Information Sciences III. Springer.
• Williams, L., Bannister, C., Arribas-Ayllon, M., Preece, A., Spasic, I., 2015. The role of idioms in sentiment analysis. Expert Systems with Applications 42;7375-7385.
• Yıldırım , E., Çetin , F., Eryiğit , G., & Temel, T. (2015). The Impact of NLP on Turkish Sentiment Analysis. TÜRKİYE BİLİŞİM VAKFI BİLGİSAYAR BİLİMLERİ VE MÜHENDİSLİĞİ DERGİSİ.
• Zemberek NLP, 2017. Erişim Tarihi: 2017. http://zembereknlp.blogspot.com.tr/