Development of a Framework for Ontology Based Sentiment Analysis on Social Media

Abstract

Developing internet technology, trend social media applications and web 2.0 have changed the internet usage habits of internet users. By this means the internet users have started to share their feelings and thoughts on social media from anywhere at anytime. With the increasement of social media usage, valuable feedback data has been increased more and more as well. To this end collection, interpretation and evaluation of this data has come into importance. 'Sentiment analysis' and 'natural language process' methods have been used on text-based data for evaluation and opinion mining to overcome this necessity. In this study, a new ontology-based sentiment analysis method has been developed in order to enhance the accuracy of results that obtained by current sentiment analysis methods. This newly developed method requires to model the domain-specific information on the ontology prior to the analysis procedure. Though this approach, more accurate and more qualified results have been provided to obtain in compared to classic sentiment analysis methods. Another important and innovative feature of this developed infrastructure is being able to do Turkish based sentiment analysis.

Keywords

• Sentiment analysis, Ontology, Ontology based-sentiment analysis, Social media feedback management

Sosyal Ağlar üzerinde Ontoloji Tabanlı Sezgi Analizi için Bir Uygulama Çerçevesinin Geliştirilmesi

Öz

Gelişen İnternet teknolojileri, sosyal medya uygulamalarının yaygınlaşması, Web 2.0’da meydana gelen gelişmeler İnternet kullanıcılarının kullanım alışkanlıklarını değiştirmiştir. Gelişmeler ile birlikte günümüzde İnternet kullanıcıları duygu ve düşüncelerini sosyal medya uygulamaları üzerinde herhangi bir zamanda herhangi bir yerde paylaşabilmektedirler. Sosyal medya kullanımı arttıkça sosyal medya üzerinde oluşan değerli geri bildirim verisi de giderek artmaktadır. Bu amaçla sosyal medya verisinin toplanması, değerlendirilmesi ve yorumlanması giderek önem kazanmaktadır. Bu ihtiyacın karşılanmasında, metin tabanlı veriler üzerinde yorumlama ve duygu çıkarsama işlemleri için “doğal dil işleme” ve “sezgi analizi” gibi yöntemler kullanılmaktadır. Bu çalışmada mevcut sezgi analizi yöntemleriyle elde edilen sonuçların doğruluğunu ve başarısını arttırmak amacıyla ontoloji tabanlı yeni bir sezgi analizi yöntemi geliştirilmiştir. Geliştirilen yöntem ile analiz işlemi öncesinde alana özgü bilgilerin ontolojiler ile modellenmesi gerekmektedir. Bu yaklaşım sayesinde klasik sezgi analizi yöntemlerine göre daha doğru ve daha nitelikli sonuçların üretilmesi sağlanmıştır. Geliştirilen altyapının bir diğer önemli ve yenilikçi özelliği ise sezgi analizi yönteminin Türkçe dilini desteklemesidir.Geliştirilen yöntem ile analiz işlemi öncesinde alana özgü bilgilerin ontolojiler ile modellenmesi gerekmektedir. Bu yaklaşım sayesinde klasik sezgi analizi yöntemlerine göre daha doğru ve daha nitelikli sonuçların üretilmesi sağlanmıştır. Geliştirilen altyapının bir diğer önemli ve yenilikçi özelliği ise sezgi analizi yönteminin Türkçe dilini desteklemesidir.

Anahtar Kelimeler

• Sezgi analizi, Ontoloji, Ontoloji tabanlı sezgi analizi, Sosyal medya geribildirim yönetimi

Kaynakça

1. “Semantic [1] Lee T. Web Road Map”.
2. http://www.w3.org/DesignIssues/Semantic.html (21.03.2014). [2] Feldman R. “Techniques and Applications for Sentiment
3. Analysis”. Communications of the ACM, 56(4), 82-89, 2013. [3] Esuli A, Sebastiani F. “SentiWordNet: A Publicly Available
4. Lexical Resource for Opinion Mining”. Proceedings of the
5. 5th Conference on Language Resources and Evaluation
6. (LREC’06). Genoa, Italy, 24-26 May 2006. [4] Baccianella S, Esuli A, Sebastiani S. “SentiWordNet 3.0: An
7. Enhanced Lexical Resource for Sentiment Analysis and
8. Opinion Mining”. Proceedings of the Seventh Conference

9. on International Language Resources and Evaluation
10. (LREC'10). Valletta, Malta, 17-23 May 2010. [5] Denecke K. “Using SentiWordNet for Multilingual
11. Sentiment Analysis”. IEEE 24th International Conference
12. on Data Engineering Workshop (ICDEW 2008). Cancun,
13. Mexico, 7-12 April, 2008. [6] Davidov D, Tsur O, Rappoport A. “Enhanced Sentiment
14. Learning Using Twitter Hashtags and Smileys”.
15. Proceedings of the 23rd International Conference on
16. Computational Linguistics (COLING '10). Beijing, China,
17. 23-27 Agust, 2010. [7] Baldoni M, Baroglio C, Patti V, Rena P. “From Tags to
18. Emotions: Ontology-Driven Sentiment Analysis in the
19. Social Semantic Web”. Journal of Intelligenza Artificiale,
20. 6(1), 41-54, 2012. [8] Kontopoulos E, Berberidis C, Dergiades T, Bassiliades N.
21. “Ontology-Based Sentiment Analysis of Twitter Posts”.
22. Expert Systems with Appications, 40(10), 4065-4074, 2013. [9] Erogul U. Sentiment Analysis in Turkish, Graduate, Thesis
23. Middle East Technical University, Ankara, Turkey, 2009. [10] Vural AG. Sentiment-Focused Web Crawling, PhD Thesis.
24. Middle East Technical University, Ankara, Turkey, 2013. [11] Bahaur A, Steinberger R, Kabadjov M, Zavarella V, Goot E,
25. Halkia M, Pouliquen B, Belyaeva J. “Sentiment Analysis in
26. the News”. Proceedings of the Seventh Conference on
27. International Language Resources and Evaluation
28. (LREC'10). Valletta, Malta, 17-23 May 2010. [12] Ghiassi M, Skinner J, Zimbra D. “Twitter Brand Sentiment
29. Analysis: A Hybrid System Using n-gram Analysis and
30. Dynamic Artificial Neural Network”. Expert Systems with
31. Applications, 40(16), 6266-6282, 2013. [13] Hutto C, Gilbert E. “A Parsimonious Rule-Based Model for
32. Sentiment Analysis of Social Media Text”. Eighth
33. International Conference on Weblogs and Social Media
34. (ICWSM-14). Ann Arbor, MI, USA, 2-4 June 2014.