Duygu Analizi İle Kişiye Özel İçerik Önermek

Yıl 2021, Cilt: 4 Sayı: 1, 53 - 60, 15.01.2021

Beyzanur Bostancı Ahmet Albayrak

Öz

Bu çalışmada, günümüzde yoğun biçimde kullanılan Facebook ve Twitter sosyal medya platformlarında paylaşılan kullanıcı yorumları duygu analizi teknikleri ile değerlendirilmiştir. Kullanıcı yorumları olarak üniversite tercih döneminde olan kişilerin paylaşımlarını içeren kısıtlı bir veri seti üzerinde çalışılmıştır. Bu veri setinin seçilmesinin nedeni günümüzde üniversite tercih dönemlerinde özellikle TV ve gazeteler aracılığıyla özel ve vakıf üniversitelerinin verdikleri yoğun reklamların sosyal medya kullanıcı profilleri analiz edilerek kişiye özel içerik oluşturma amacıyla kullanılmak istenmesidir. Sosyal medya üzerinden verilecek reklam içeriklerinin TV’lerde verilen reklamlardan maliyet olarak daha uygun olacağı açıktır. Özellikle kamu üniversitelerinin sosyal medya üzerinden reklam verebilmesi daha nitelikli ve bilinçli öğrencileri çekebileceği düşünülmektedir. Burada iki aşamalı bir yaklaşım önerilmektedir. İlk aşamada sosyal medya ortamından toplanan veriler analiz edilmiştir. İkinci aşamada önceden belirlenen sınıfların TF-IDF tekniği puanına göre iyimser, karamsar, mizahi, üretken ve dışa dönük olmak üzere kategorilere ayrılmaktadır. Ayrılan bu kategorilere göre de kullanıcıların profiline uygun reklamlar içerikleri sunulmaktadır.

Anahtar Kelimeler

Duygu Analizi, Eğitimde Reklam, Sosyal Medya Analizi, TF-IDF

Teşekkür

Bu çalışmada Bulut Bilişim, Veri Bilimi ve Uygulamaları dersleri kapsamında üretilmiştir. Çalışmaya katkıda bulunan Necmiye ARABACI ’ ya ve Düzce Üniversitesine teşekkür ederim.

Kaynakça

• [1] Yıldız S. “Üniversiler Neler Vaat Ediyor? Trkiye’deki Üniversitelerin Basın İlanları Üzerine Bir İçerik Analizi”. Anadolu Üniversitsi Sosyal Bilimler Dergisi, 14(2), 155-170, 2014.
• [2] Dağtaş E, Ünal MA. “Eğitim Haberlerinin Metalaşmasını Reklam ve Reklam Haberler Üzerinden Okumak”. Maltepe Üniversitesi İletişim Fakültesi Dergisi, 6(1), 38-61, 2019.
• [3] Onan A. “SENTIMENT ANALYSIS ON TWITTER MESSAGES BASED ON MACHINE LEARNING METHODS”. Yönetim Bilişim Sistemleri Dergisi, 3(2), 1-14, 2017.
• [4] Zhang Y, Chen M, Liu L. “A Review on Text Mining”. 2015 6th IEEE International Conference on Software Engineering and Service Science (ICSESS), 23-25 September 2015.
• [5] Ortigosa A, Martin JM, Carro RM. “Sentiment analysis in Facebook and its application to e-learning”. Computers in Human Behavior, 31, 527-541, 2014.
• [6] Akın B, Gürsoy Şimşek UT. “SOSYAL MEDYA ANALİTİĞİ İLE DEĞER YARATMA: DUYGU ANALİZİ İLE GELECEĞE YÖNELİM”. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(3), 797-811, 2018.
• [7] Aydın C. “Makine Öğrenmesi Algoritmaları Kullanılarak İtfaiye İstasyonu İhtiyacının Sınıflandırılması”. Avrupa Bilim ve Teknoloji Dergisi, 14, 169-175, Aralık 2018.
• [8] Troussas C, Virvou M, Espinosa KJ, Llaguno K, Caro J. “Sentiment analysis of Facebook statuses using Naive Bayes classifier for language learning”. Information, Intelligence, Systems and Applications (IISA), 2013 Fourth International Conference on, July 2013.
• [9] Giméne M, Palanca J, Botti V. “Semantic-based padding in convolutional neural networks for improving the performance in natural language processing. A case of study in sentiment analysis”. Neurocomputing, 378, 315-323, 2020.
• [10] Ayan B, Kuyumcu B, Ciylan B. “Detection of Islamophobic Tweets on Twitter Using Sentiment Analysis”. Gazi Üniversitesi Fen Bilimleri Dergisi, 7(2), 495-502, 2019.
• [11] Beel J, Gipp B, Langer S, Breitinger C. “Research-paper recommender systems: a literature survey”. International Journal on Digital Libraries, 17, 305-338, 2016.
• [12] Pejic-Bacha M, Bertoncel T, Meškob M, Krstićc Z. “Text mining of industry 4.0 job advertisements”. International Journal of Information Management, 50, 416-431, 2020.
• [13] Salo F, Injadat M, Nassif AB, Shami A, Essex A. “Data Mining Techniques in Intrusion Detection Systems: A Systematic Literature Review”. IEEE Access, September 2018.