Sosyal medya madenciliğinde insan duygularının ve tepkilerinin analizi
Analysis of human emotions and reactions in social media mining
- Tez No: 886061
- Danışmanlar: PROF. DR. HAMZA EROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Bu tez çalışmasında, sosyal medya madenciliği kullanılarak insanların duygusal tepkilerinin analizi ele alınmıştır. Araştırmanın amacı, sosyal medya platformlarında ve e-ticaret sitelerinde kullanıcıların paylaştığı yorumların duygu yönlerini belirlemek ve sınıflandırmaktır. Bu kapsamda Twitter ve e-ticaret sitelerinden toplanan iki farklı veri seti kullanılmıştır. İlk veri seti çeşitli konular hakkında paylaşılan yorumları içerirken, ikinci veri seti Türkiye'deki e-ticaret sitelerinden toplanan ürün yorumlarını kapsamaktadır. Yorumların duygusal tonları, makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak sınıflandırılmıştır. Makine öğrenmesi algoritmaları olarak Rastgele Orman, Naive Bayes ve Lojistik Regresyon; derin öğrenme algoritmaları olarak ise Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM) ve Recurrent Neural Networks (RNN) kullanılmıştır. Bu yöntemlerin performansı karşılaştırılarak, hangi algoritmaların duygu analizinde daha etkili olduğu belirlenmiştir. Performans metrikleri olarak doğruluk, kesinlik, duyarlılık ve F1 skoru kullanılmıştır. Çalışmanın sonuçları, derin öğrenme yöntemlerinin, özellikle CNN ve LSTM algoritmalarının, makine öğrenmesi yöntemlerine göre duygu analizinde daha yüksek performans gösterdiğini ortaya koymuştur. CNN, Twitter yorumları veri setinde en yüksek doğruluk oranını sağlarken, LSTM algoritması ise e-ticaret yorumları veri setinde en iyi performansı göstermiştir. Rastgele Orman ve Naive Bayes algoritmaları da makine öğrenmesi yöntemleri arasında en başarılı sonuçları vermiştir, ancak derin öğrenme algoritmalarının gerisinde kalmıştır. Bu tez, sosyal medya platformlarının ve e-ticaret sitelerinin kullanıcı davranışlarını daha iyi anlamalarına ve stratejik kararlar almalarına yardımcı olacak değerli bilgiler sunmayı amaçlamaktadır. Ayrıca, sosyal medya madenciliği ve duygu analizi alanında yeni araştırmalara zemin hazırlayacak ve bu alandaki literatüre önemli katkılar sağlayacaktır.
Özet (Çeviri)
This thesis focuses on analyzing human emotional reactions using social media mining. The aim of the research is to determine and classify the emotional aspects of comments shared by users on social media platforms and e-commerce sites. Two different datasets collected from Twitter and e-commerce sites were used in this context. The first dataset contains comments shared on various topics, while the second dataset consists of product reviews collected from e-commerce sites in Turkey. The emotional tones of the comments were classified using machine learning and deep learning methods. Machine learning algorithms such as Random Forest, Naive Bayes, and Logistic Regression; and deep learning algorithms such as Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM), and Recurrent Neural Networks (RNN) were utilized. By comparing the performance of these methods, it was determined which algorithms were more effective in sentiment analysis. Performance metrics such as accuracy, precision, recall, and F1 score were used. The results of the study revealed that deep learning methods, especially CNN and LSTM algorithms, demonstrated higher performance in sentiment analysis compared to machine learning methods. CNN provided the highest accuracy rate on the Twitter comments dataset, while the LSTM algorithm showed the best performance on the e-commerce reviews dataset. Random Forest and Naive Bayes algorithms also gave the best results among machine learning methods but lagged behind deep learning algorithms. This thesis aims to provide valuable insights that will help social media platforms and e-commerce sites better understand user behavior and make strategic decisions. Additionally, it aims to lay the groundwork for new research in the fields of social media mining and sentiment analysis and make significant contributions to the literature in this area.
Benzer Tezler
- Otomatik duygu sözlüğü çevirimi ve duygu analizinde kullanımı
Automatic sentiment dictionary translation and using in sentiment analysis
ALAETTİN UÇAN
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
DOÇ. DR. EBRU AKCAPINAR SEZER
- A feature based simple machine learning approach with word embeddings to named entity recognition on tweets
Kavram tanıma üzerine özellik tabanlı bir makine öğrenmesi yaklaşımı
METE TAŞPINAR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. TANKUT ACARMAN
- Twitter'daki haberlerde duygular ve kullanıcı etkileşimleri arasındaki ilişkinin çözümlenmesi: Çok yöntemli bir çalışma
Unraveling the association between sentiments and user engagements in the news on twitter: A multi-method study
SADETTİN DEMİREL
- Science, technology and innovation-related text data analysis with deep neural networks
Derin sinir ağları ile bilim, teknoloji ve inovasyon ile ilgili metin analizi
NECİP GÖZÜAÇIK
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMAL OKAN ŞAKAR
DOÇ. DR. SERCAN ÖZCAN
- Kripto para piyasasına yönelik duygu analizi uygulaması
Sentiment analysis application for the cryptocurrency market
SEZİN ÖZTÜRK
Yüksek Lisans
Türkçe
2022
İşletmeİstanbul ÜniversitesiSayısal Yöntemler Ana Bilim Dalı
PROF. DR. BİLGE ACAR BOLAT