Araştırma Makalesi
BibTex RIS Kaynak Göster

EMOTION ANALYSIS STUDY ON CORONA VIRUS USING SOCIAL NETWORK BASED DATA

Yıl 2021, Cilt: 4 Sayı: 1, 47 - 54, 20.04.2021
https://doi.org/10.33439/ergonomi.824333

Öz

Developments in communication technologies have made social media the focal point of social life. People freely share their opinions and comments on any subject, product on social media. Especially, the distance rule for interpersonal communications during the pandemic period has intensified the flow of data on social media, shifted business models to the social media environment and bring up ergonomic conditions. The effects of the corona virus epidemic, which is the most important agenda of today, on public life constitute the people's intensified thoughts about the epidemic. Therefore, an analysis study was conducted on the reflection of the pandemic process on ergonomic conditions and social life. In this study, it was tried to keep the pulse of the society on the corona virus epidemic by using emotion analysis techniques of text mining. Since the data subject to sentiment analysis are the opinions of individuals, tweet data, in which people can freely share their thoughts and moods on social media, was selected as the study data source. While tweet data is usually short in length, texts can contain linguistic errors. In addition, the texts contain irony and emojis, making text analysis processes difficult. The fact that text analysis needs correct data in order to produce correct results requires the application of data analysis processes to the data before analysis. With these features, analysis of tweet data with natural language processing techniques emerges as an important field of study. For this reason, the tweet data shared by people related to the corona virus selected as the subject of the study on social networks were collected with an application written in phyton. These data were first cleaned with various linguistic techniques specific to Turkish, then were processed by dictionary-based, bert and machine learning emotion analysis techniques. The results obtained and the sensitivity analysis of the results are presented comparatively.

Kaynakça

  • Agarwal, A., Xie, B., Vovsha, I., Rambow, O., and Passonneau, R. (2011). Sentiment Analysis of Twitter Data. In Proceedings of the Workshop on Languages in Social Media (pp. 30-38). Association for Computational Linguistics.
  • Boğaziçi Üniversitesi, Türkçe için Kapsamlı Bir Duygu Analizi Çatısı Oluşturulması, https://arastirma.boun.edu.tr/tr/proje/turkce-icin-kapsamli-bir-duygu-analizi-catisi-olusturulmasi.
  • Dehkharghani R, Saygin Y, Yanikoglu B, Oflazer K. (2016). SentiTurkNet: A Turkish Polari-ty Lexicon for Sentiment Analysis. Language Resources and Evaluation 2016; 50: 667-685.
  • Devlin, J., Chang M.W., Lee, K., Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding,arXiv:1810.04805v2 [cs.CL].
  • Kiritchenko, S., Zhu, X., and Mohammad, S. M. (2014). Sentiment analysis of short informal texts. Journal of Artificial Intelligence Research, 50, 723-762.
  • Koksal, A. (2018). Eğitilmiş Türkçe Word2Vec Modeli, https://libraries.io/github/akoksal/ Turkish-Word2Vec##TO-DO##.
  • Koksal, A. (2020). Bert Türkçe Duygu Analizi, https://github.com/akoksal/BERT-Sentiment-Analysis-Turkish.
  • Liu, B. (2010). Sentiment analysis and subjectivity, Handbook of natural language processing, 2, 627–666.
  • Onan, A. ve Korukoğlu, S. (2016). A Review of Literature on the Use of Machine Learning Methods for Opinion Mining, Pamukkale University Journal of Engineering Sciences, 22(2), 111–122.
  • Özdeş, M. (2017). Büyük Veri Araçlarını Kullanarak Duygu Analizi Gerçekleştirimi. (Yüksek Lisans Tezi). Pamukkale Üniversitesi Fen Bilimleri Enstitüsü.
  • Özyurt, B. V. ve Akçayol. M. A. (2018). Fikir Madenciliği Ve Duygu Analizi, Yaklaşımlar, Yöntemler Üzerine Bir Araştırma. Selçuk Üniversitesi Mühendislik Bilim ve Teknoloji Dergisi.6-4. 668-693.
  • Powar, S., Kadam, U. ve Salvi, T. (2018). Twitter Sentiment Analysis for Classifying Hate Tweets and Normal Tweets Using Logistic Regression and Naive Bayes Algorithm. Journal of Emerging Technologies and Innovative Research.5-10. 371-373.
  • Rosenthal, S., Farra, N., and Nakov, P. (2017). SemEval-2017 Task 4: Sentiment Analysis in Twitter. In Proceedings of the 11th International Workshop on Semantic Evaluation (SemEval-2017), pp. 502-518.
  • Saygın Y., ... Metin Madenciliği: Temel Yöntemler ve Duygu Analizi Sabancı Üniversitesi, http://akademikkamp.org/3_BAK/images/sunumlar/SIRINCE-YUCEL-SAYGIN.pdf.
  • Seker, S. E (2016). Duygu Analizi (Sentimental Analysis), YBS Ansiklopedi www.YBSAnsiklopedi.com Cilt 3 Sayı 3, Eylül 2016, http://ybsansiklopedi.com/wp-content/uploads/2016/09/duygu_analizi.pdf.
  • Türkmenoğlu, C. (2015). Türkçe Metinlerde Duygu Analizi. (Yüksek Lisans Tezi). İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü.
  • Wilson, T., Wiebe, J.,Hoffmann, Pmesa. (2005). Recognizing Contextual Polarity in Phrase-level Sentiment Analysis. In Proceedings of the Conference on Human Language Technology and Empirical Methods in Natural Language Processing, pp. 347-354. Association for Computational Linguistics.

SOSYAL AĞ TABANLI VERİLERDEN FAYDALANARAK KORONA VİRÜS KONULU DUYGU ANALİZİ ÇALIŞMASI

Yıl 2021, Cilt: 4 Sayı: 1, 47 - 54, 20.04.2021
https://doi.org/10.33439/ergonomi.824333

Öz

İletişim teknolojilerindeki gelişmeler sosyal medyayı toplum hayatının odak noktası haline getirmiştir. İnsanlar herhangi bir konu, ürün hakkındaki görüş düşünce ve yorumlarını, özgürce sosyal medyada paylaşmaktadırlar. Özellikle pandemi dönemindeki kişiler arası iletişimlere konan mesafe kuralı, sosyal medya üzerinde veri akışını yoğunlaştırmış, iş modellerini sosyal medya ortamına kaydırmış ve ergonomik değişiklikleri de gündeme getirmiştir. Günümüzün en önemli gündemi olan korona virüs salgınının toplum hayatı üzerindeki etkileri, kişilerin salgınla ilgili yoğunlaşan düşüncelerini oluşturmaktadır. Dolayısıyla pandemi sürecinin ergonomik koşullara ve sosyal hayata yansıması üzerine bir analiz çalışması yapılmıştır. Yapılan çalışmada metin madenciliğinin duygu analizi teknikleri kullanılarak toplumun, korona virüs salgını konusundaki nabzını tutmaya çalışılmıştır. Duygu analizine konu veriler kişilerin görüşleri olduğu için, sosyal medyada kişilerin düşünce ve içinde bulunduğu ruh hallerini özgürce paylaşabildiği tweet verileri çalışma veri kaynağı olarak seçilmiştir. Tweet verileri genellikle kısa uzunlukta olmakla birlikte, metinler dilbilimsel olarak hatalar içerebilmektedir. Buna ek olarak metinlerin ironiler ve emojiler içermesi metin analiz süreçlerini zorlaştırmaktadır. Metin analizlerinin doğru sonuçları oluşturabilmesi için doğru veriye ihtiyaç duyması, veri analiz süreçlerinin analiz öncesi veriye uygulanmasını gerektirmektedir. Bu özellikleri ile tweet verileri doğal dil işleme teknikleri ile analiz çalışmaları önemli bir çalışma alanı olarak karşımıza çıkmaktadır. Bu nedenle çalışmaya konu olarak seçilen korona virus ile ilgili kişilerin sosyal ağlarda paylaştığı tweet verileri phyton ile yazılan bir uygulama toplanmıştır. Bu veriler öncelikle, Türkçe’ye özgü çesitli dilbilimsel tekniklerle temizlenmiş, daha sonra sözlük tabanlı, bert ve makine öğrenmesi duygu analizi teknikleri işlenmiştir. Elde edilen sonuçlar ve sonuçların duyarlılık analizleri karşılaştırmalı olarak sunulmuştur.

Kaynakça

  • Agarwal, A., Xie, B., Vovsha, I., Rambow, O., and Passonneau, R. (2011). Sentiment Analysis of Twitter Data. In Proceedings of the Workshop on Languages in Social Media (pp. 30-38). Association for Computational Linguistics.
  • Boğaziçi Üniversitesi, Türkçe için Kapsamlı Bir Duygu Analizi Çatısı Oluşturulması, https://arastirma.boun.edu.tr/tr/proje/turkce-icin-kapsamli-bir-duygu-analizi-catisi-olusturulmasi.
  • Dehkharghani R, Saygin Y, Yanikoglu B, Oflazer K. (2016). SentiTurkNet: A Turkish Polari-ty Lexicon for Sentiment Analysis. Language Resources and Evaluation 2016; 50: 667-685.
  • Devlin, J., Chang M.W., Lee, K., Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding,arXiv:1810.04805v2 [cs.CL].
  • Kiritchenko, S., Zhu, X., and Mohammad, S. M. (2014). Sentiment analysis of short informal texts. Journal of Artificial Intelligence Research, 50, 723-762.
  • Koksal, A. (2018). Eğitilmiş Türkçe Word2Vec Modeli, https://libraries.io/github/akoksal/ Turkish-Word2Vec##TO-DO##.
  • Koksal, A. (2020). Bert Türkçe Duygu Analizi, https://github.com/akoksal/BERT-Sentiment-Analysis-Turkish.
  • Liu, B. (2010). Sentiment analysis and subjectivity, Handbook of natural language processing, 2, 627–666.
  • Onan, A. ve Korukoğlu, S. (2016). A Review of Literature on the Use of Machine Learning Methods for Opinion Mining, Pamukkale University Journal of Engineering Sciences, 22(2), 111–122.
  • Özdeş, M. (2017). Büyük Veri Araçlarını Kullanarak Duygu Analizi Gerçekleştirimi. (Yüksek Lisans Tezi). Pamukkale Üniversitesi Fen Bilimleri Enstitüsü.
  • Özyurt, B. V. ve Akçayol. M. A. (2018). Fikir Madenciliği Ve Duygu Analizi, Yaklaşımlar, Yöntemler Üzerine Bir Araştırma. Selçuk Üniversitesi Mühendislik Bilim ve Teknoloji Dergisi.6-4. 668-693.
  • Powar, S., Kadam, U. ve Salvi, T. (2018). Twitter Sentiment Analysis for Classifying Hate Tweets and Normal Tweets Using Logistic Regression and Naive Bayes Algorithm. Journal of Emerging Technologies and Innovative Research.5-10. 371-373.
  • Rosenthal, S., Farra, N., and Nakov, P. (2017). SemEval-2017 Task 4: Sentiment Analysis in Twitter. In Proceedings of the 11th International Workshop on Semantic Evaluation (SemEval-2017), pp. 502-518.
  • Saygın Y., ... Metin Madenciliği: Temel Yöntemler ve Duygu Analizi Sabancı Üniversitesi, http://akademikkamp.org/3_BAK/images/sunumlar/SIRINCE-YUCEL-SAYGIN.pdf.
  • Seker, S. E (2016). Duygu Analizi (Sentimental Analysis), YBS Ansiklopedi www.YBSAnsiklopedi.com Cilt 3 Sayı 3, Eylül 2016, http://ybsansiklopedi.com/wp-content/uploads/2016/09/duygu_analizi.pdf.
  • Türkmenoğlu, C. (2015). Türkçe Metinlerde Duygu Analizi. (Yüksek Lisans Tezi). İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü.
  • Wilson, T., Wiebe, J.,Hoffmann, Pmesa. (2005). Recognizing Contextual Polarity in Phrase-level Sentiment Analysis. In Proceedings of the Conference on Human Language Technology and Empirical Methods in Natural Language Processing, pp. 347-354. Association for Computational Linguistics.
Toplam 17 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Bölüm Araştırma Makaleleri / Research Articles
Yazarlar

Ebru Karaahmetoğlu 0000-0003-4381-7865

Süleyman Ersöz 0000-0002-7534-6837

Osman Karaahmetoğlu Bu kişi benim 0000-0002-4482-9166

Yayımlanma Tarihi 20 Nisan 2021
Gönderilme Tarihi 12 Kasım 2020
Yayımlandığı Sayı Yıl 2021 Cilt: 4 Sayı: 1

Kaynak Göster

APA Karaahmetoğlu, E., Ersöz, S., & Karaahmetoğlu, O. (2021). SOSYAL AĞ TABANLI VERİLERDEN FAYDALANARAK KORONA VİRÜS KONULU DUYGU ANALİZİ ÇALIŞMASI. Ergonomi, 4(1), 47-54. https://doi.org/10.33439/ergonomi.824333

Dergi yılda 3 sayı (Nisan, Ağustos ve Aralık) olarak yayımlanmaktadır. Bu sayılara ek olarak Editörler Kurulu’nun kararıyla, Ulusal Ergonomi Kongresi’nde sunulan bildiriler “Özel Sayı” olarak yayımlanabilmektedir.