Geri Dön

Sosyal medya madenciliğinde insan duygularının ve tepkilerinin analizi

Analysis of human emotions and reactions in social media mining

  1. Tez No: 886061
  2. Yazar: ULVI ISGANDARLI
  3. Danışmanlar: PROF. DR. HAMZA EROL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Mersin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Otomatik duygu sözlüğü çevirimi ve duygu analizinde kullanımı

    Automatic sentiment dictionary translation and using in sentiment analysis

    ALAETTİN UÇAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. HAYRİ SEVER

    DOÇ. DR. EBRU AKCAPINAR SEZER

  2. 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

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. TANKUT ACARMAN

  3. 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

    Doktora

    Türkçe

    Türkçe

    2023

    Gazetecilikİstanbul Üniversitesi

    Gazetecilik Ana Bilim Dalı

    PROF. DR. UĞUR GÜNDÜZ

  4. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CEMAL OKAN ŞAKAR

    DOÇ. DR. SERCAN ÖZCAN

  5. Kripto para piyasasına yönelik duygu analizi uygulaması

    Sentiment analysis application for the cryptocurrency market

    SEZİN ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İşletmeİstanbul Üniversitesi

    Sayısal Yöntemler Ana Bilim Dalı

    PROF. DR. BİLGE ACAR BOLAT