Maymun Çiçeği (Mpox) virüsü ile ilgili sosyal medya kullanıcı duygularının X gönderileri üzerinden analizi
Analysis of social media user sentiments Regarding Monkeypox (Mpox) virus through X-posts
- Tez No: 1023312
- Danışmanlar: DR. ÖĞR. ÜYESİ EMİNE AYAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Doğal dil işleme, Natural language processing
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bitlis Eren Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, Maymun Çiçeği (Mpox) salgınına ilişkin sosyal medya paylaşımlarında ortaya çıkan duygusal eğilimlerin belirlenmesi amacıyla duygu analizi gerçekleştirilmiştir. X (Twitter) platformundan anahtar kelime tabanlı yöntemle toplanan 51.894 paylaşım, veri temizleme ve filtreleme işlemlerinin ardından 47.464 tweetten oluşan ham veri setine dönüştürülmüştür. Veri seti; öfke, tiksinti, korku, sevinç, tarafsızlık, üzüntü ve şaşkınlık olmak üzere yedi duygu sınıfı altında etiketlenmiştir. Etiketleme sürecinin güvenilirliği Cohen's Kappa ve Fleiss Kappa katsayıları ile doğrulanmıştır. Çalışmada BERTweet-Large, RoBERTa-Large, DeBERTa-v3 Large, DistilBERT ve XLNet olmak üzere beş farklı transformer tabanlı dil modeli 5 katlı tabakalı çapraz doğrulama yöntemi ile eğitilmiş ve karşılaştırılmıştır. Performans değerlendirmesinde doğruluk , F1 skoru ve ağırlıklı F1 skoru metrikleri kullanılmıştır. Tüm modeller %98'in üzerinde doğruluk oranına ulaşmış; en yüksek performans %99.05 doğruluk ve %95.64 F1 skor değeri ile XLNet modeli tarafından elde edilmiştir. Bulgular, transformer tabanlı büyük dil modellerinin çok sınıflı duygu analizinde yüksek başarı sağladığını ve toplumsal risk algısının sosyal medya verileri üzerinden güvenilir biçimde analiz edilebildiğini göstermektedir.
Özet (Çeviri)
In this study, sentiment analysis was performed to identify emotional trends emerging in social media posts related to the Monkeypox (Mpox) outbreak. A total of 51,894 posts collected from the X (Twitter) platform using a keyword-based method were converted into a raw dataset consisting of 47,464 tweets after data cleaning and filtering. The dataset was labeled under seven emotion classes: anger, disgust, fear, joy, neutral, sadness, and surprise. The reliability of the labeling process was verified using Cohen's Kappa and Fleiss Kappa coefficients. In the study, five different transformer-based language models—BERTweet-Large, RoBERTa-Large, DeBERTa-v3 Large, DistilBERT, and XLNet—were trained and compared using a 5 fold cross validation method. Accuracy, F1 score, and weighted F1 score metrics were used in the performance evaluation. All models achieved accuracy rates above 98%; the highest performance was achieved by the XLNet model with 99.05% accuracy and 95.64% F1 score. The findings show that transformer-based large language models achieve high success in multi-class sentiment analysis and that social risk perception can be reliably analyzed through social media data.
Benzer Tezler
- Neutro-Swin-GNN: maymun çiçeği tanısı için nötrosofik tabanlı hibrit swin dönüştürücü ve grafik sinir ağı modeli
Neutro Swin-GNN: a neutrosophic set-based hybrid swin transformer and graph neural network model for monkeypox diagnosis
MİYASE ÇOBAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ESER SERT
- Maymun çiçeği hastalığını içeren cilt lezyonu görüntülerinin transformatör tabanlı derin öğrenme mimarileri kullanılarak çoklu sınıflandırılması
Multi-classification of skin lesion images including mpox disease using transformer-based deep learning architectures
SEYFETTİN VURAN
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKIN
- A lightweight deep learning approach for skin disease detection
Deri hastalıkları tespiti için hafif derin öğrenme yaklaşımı
VAHAP BAHADIR BABACAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASİN KAYA
- Maymun çiçeği hastalığının derin öğrenme teknikleri ile tespiti ve sınıflandırılması
Detection and classification of mpox disease using deep learning techniques
HİLAL GÜVEN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET SAYGILI
- AI-Augmented 3dp microfluidic bio-reaction system for point-of-care detection of mpox via LAMP-on-a-chip
Maymun çiçeği hastalığını bakım noktasında teşhisi amacıyla 3B mikroakışkan sistemin geliştirilmesi
MEHMET TUĞRUL BİRTEK
Doktora
İngilizce
2025
BiyomühendislikKoç ÜniversitesiBiyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. SAVAŞ TAŞOĞLU