Twitter verileri kullanılarak yapay zeka ile ilgili duygu analiz çalışması
Sentiment analysis study on artificial intelligence using twi̇tter data
- Tez No: 890864
- Danışmanlar: DR. ÖĞR. ÜYESİ NAGEHAN İLHAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Sosyal medya günümüzde hayatın büyük bir bölümünü kaplamaktadır. İnsanlar duygularını, düşüncelerini, günlük aktivitelerini, siyasi görüşlerini ve daha pek çok şeyi sosyal medya platformlarında paylaşmaktadırlar. Bu nedenle, sosyal medyanın aslında çok büyük bir veri kaynağı olduğu söylenilebilir. Başka bir deyişle, sosyal medya bireyler hakkında büyük miktarda bilgi sağlar ve bu veriler toplum hakkında çıkarımlar yapmak için kullanılabilir. Bu çıkarımlar doğal dil işleme ve duygu analiz yöntemleri kullanılarak elde edilebilir. Duygu analizi ise derin öğrenme ve makine öğrenmesi yöntemleri ile gerçekleştirilebilir. Yapılan çalışmada kullanılan veri seti“#yapayzeka”etiketine sahip 14.657 adet Twitter verisinden oluşmaktadır. Bu çalışma kapsamında, pozitif, negatif ve nötr duygularına ek olarak korku/endişe duygusunun da analizi yapılmıştır. Pozitif, negatif ve nötr duygularının etiket aşamasında SentiTurkNet duygu sözlüğünden yararlanılmıştır. Sekiz farklı duygu sınıflandırmasına sahip olan NRC (Disgust, Fear, Trust, Joy, Anger, Anticipation, Surprise, Sadness) duygu sözlüğünde bulunan korku (fear) etiketli sözcükler, çalışmada kullanılan veri setine göre uyarlanarak sınıflandırma işlemi yapılmıştır. Duygu analizi yöntemi olarak makine öğrenmesi tekniklerinden Lojistik Regresyon (Logistic Regression-LR), Naive Bayes (NB), Destek Vektör Makinesi (Support Vector Machine-SVM) ve Rastgele Orman (Random Forest-RF) Algoritmaları kullanılmıştır. Derin öğrenme tekniklerinden ise Long Short Term Memory (LSTM), Convolutional Neural Network(CNN) ve Recurrent Neural Network (RNN) Algoritmaları uygulanmıştır. Alınan sonuçlar birinci veri seti için şu şekildedir; LR için %81,69, SVM için %82,78, NB için %78, RF için %82,86, LSTM için %83,80, CNN için %84,62 ve RNN için %83,30 olarak bulunmuştur. Alınan sonuçlar ikinci veri seti için şu şekildedir; LR için %83,65, SVM için %89,16, NB için %78, RF için %88,67, LSTM için %90,25, CNN için %89,60 ve RNN için %87,72 olarak bulunmuştur.
Özet (Çeviri)
Social media plays a significant role in our lives today. People share their feelings, thoughts, daily activities, political views, and much more on social media platforms. Therefore, it can be considered a vast source of data. In other words, social media provides a large amount of information about individuals, and this data can be used to draw inferences about society. These inferences can be obtained using natural language processing and sentiment analysis methods. Sentiment analysis can be performed using deep learning and machine learning methods. The data set used in the study consists of 14,657 Twitter data with the hashtag“#artificial intelligence”. Within the scope of this study, the emotion of fear was also analyzed in addition to positive, negative and neutral emotions.SentiTurkNet emotion dictionary was used for labelling positive, negative and neutral emotions. The words labelled as fear in the NRC (Disgust, Fear, Trust, Joy, Anger, Anticipation, Surprise, Sadness) emotion dictionary, which has eight different emotion classifications, were adapted according to the dataset used in the study. Logistic Regression (LR), Naive Bayes (NB), Support Vector Machine (SVM) and Random Forest (RF) Algorithms, which are machine learning techniques, were used as sentiment analysis methods. Among the deep learning techniques, Long Short Term Memory(LSTM), Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN) Algorithms were applied. The results obtained for the first data set are as follows; It was found to be 81,69% for LR, 82,78% for SVM, 78% for NB, 82,86% for RF, 83,80% for LSTM, 84,62% for CNN and 83,30%for RNN. The results obtained for the second data set are as follows; It was found to be 83,65% for LR, 89,16% for SVM, 78% for NB, 88,67% for RF, 90,25% for LSTM, 89,60% for CNN and 87,72% for RNN.
Benzer Tezler
- Twitter'daki (X) havayolu şirket verilerinden makine öğrenmesi ve derin öğrenme yöntemleri ile duygu analizi gerçekleştirilmesi
Performing sentiment analysis using machine learning and deep learning methods on airline company data on twitter (X)
ÖMER AYBERK ŞENCAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL ATACAK
- Sosyal medyada çevresel aktivizm ile nükleer enerji algısının analizi: Türkiye örneği üzerinden doğal dil işleme, duygu analizi ve makine öğrenimi uygulamaları
Analysis of nuclear energy perception with environmental activism on social media: Natural language processing, emotion analysis and machine learning applications on the Turkey example
ÖMER FARUK AYDIN
Yüksek Lisans
Türkçe
2024
Yönetim Bilişim SistemleriErciyes ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ESRA KAHYA ÖZYİRMİDOKUZ
- Yapay zeka ve derin öğrenme algoritmaları kullanılarak internet ortamındaki heterojen veri kaynaklarından veri sorgulaması
Data querying from heterogeneous data sources on the internet using artificial intelligence and deep learning algorithms
KUBİLAY AYTURAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT HARDALAÇ
- Twitter verileri kullanılarak koronavirus aşıları hakkındaki kamu algısının zaman içindeki değişiminin yapay zeka destekli duygu analizi ile incelenmesi
Investigation of trend change in public perception of coronavirus vaccines over time using Twitter data with artificial intelligence-assisted sentiment analysis
UĞUR ERTOY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUAMMER AKÇAY
- Kutupsallık sözlüğü ve yapay zeka yardımı ile Türkçe twitter verileri üzerinde duygu analizi
Sentiment analysis of Turkish twitter data using polarity lexicon and artificial intelligence
HARISU ABDULLAHI SHEHU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEZAİ TOKAT