KNOWLEDGE DISCOVERY IN SOCIAL NETWORKS USING TEXT MINING TECHNIQUES

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

1. Adalı, E. (2012). Doğal Dil İşleme. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi. http://dergipark.gov.tr/tbbmd/issue/22245/238797 adresinden alındı
2. 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 .
3. Balahur, A., Hermida J.M., Montoyo, A., 2012, Detecting implicit expressions of emotion in text: a comparative analysis. Decis Support Syst
4. Metin Madenciliği Teknikleri Ve Uygulaması, 2017. Erişim Tarihi: 2017. ileriteknoloji.net
5. 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.
6. Delibaş, A. (2008). Doğal Dil İşleme İle Türkçe Yazım Hatalarının Denetlenmesi. Yüksek Lisans Tezi,İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
7. Dumanlı Kürkçü, D. (2017). Haber Tweetleri Üzerinden Kullanıcı Etkileşiminin Analizi. Erciyes İletişim Dergisi, 314-324.
8. Dolgun, M. (2006). Büyük Alışveriş Merkezleri İçin Veri Madenciliği Uygulamaları. Yüksek Lisans Tezi, Hacettepe Üniversitesi Fen Bilimleri Enstitüsü.

9. Eroğul, U. (2009). SENTIMENT ANALYSIS IN TURKISH. Master's Thesis,Middle East Technical University.
10. Feldman, R., & Sanger , J. (2007). The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. United States of America.
11. Google Translate API, 2017. Erişim Tarihi: 2017. http://www.google.com/translate_t?hl=en&ie=UTF8&text={0}&langpair={1}
12. Go, Alec, Richa Bhayani, and Lei Huang. "Twitter sentiment classification using distant supervision," CS224N Project Report, Stanford , 2009,pp.12.
13. ITU Turkish Natural Language Processing Web Interface, 2017. Erişim Tarihi: 2017. http://tools.nlp.itu.edu.tr/
14. Liu , B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers, May 2012.
15. 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
16. Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 1-135.
17. Piryani, R., Madhavi, D., Singh, V.K., 2017. Analytical mapping of opinion mining and sentiment analysis research during 2000-2015. Information Processing and Management
18. 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.
19. Rich, E. (1991). Artificial Intelligence (McGraw-Hill series in artificial intelligence). Newyork: Second Edition.
20. 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
21. 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
22. Text Analysis API Demo, 2017. Erişim Tarihi: 2017. https://developer.aylien.com/text-api-demo?text=&language=en&tab=classify-taxonomy
23. 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.
24. 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.
25. 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.
26. Zemberek NLP, 2017. Erişim Tarihi: 2017. http://zembereknlp.blogspot.com.tr/