Presented at the Ist International Symposium on Innovative Approaches in Scientific Studies (ISAS 2018), Kemer-Antalya, Turkey, Apr 11, 2018

SETSCI Conference Proceedings, 2018, 2, Page (s): 380-385 , https://doi.org/

Published Date: 23 June 2018    | 1062     9

İnsanlar sanal âlemde her geçen gün sosyalleşmek için paylaşım yaparak, duygu ve düşüncelerini değişik platformlarda diğer insanlara duyurmakta ve onlarla paylaşım yapmaktadır. İnsanların duygu ve düşünceleri onların doğadaki olaylara ve bu olayların öznelerine karşı davranış ve söylemlerini şekillendirmektedir. Özellikle sanal platformlardan Twitter, her geçen gün popülerliği artmakta ve hızlı bir mikro blog tarzında kullanıcılarına anlık paylaşım yapma ve içerik görüntüleme imkânı vermektedir. Duygusal Twitter Analizi çalışması; insanların olaylar karşısındaki duygu ve düşüncelerinin Twitter üzerindeki yapmış oldukları paylaşımların içeriklerinden belirlenip belirlenemeyeceği üzerinedir. Makine öğrenimi, Yapay Zekâ ve önceden oluşturulmuş Corpus adı verilen büyük veriler sayesinde %98.8 oranında sınıflandırmamız mümkün olmuştur. Bu sınıflandırma sayesinde hedef kitlenin ya da kişinin eğilimleri önceden tahmin edilebilmekte ve bu da politika yapıcıları ile tanıtım-pazarlama sektörü için yapılacak yatırımlar ve söylemler hakkında bir fikir verebilmeyi mümkün kılmaktadır. Bu çalışmada önceki çalışmalardan farklı olarak tek bir algoritma kullanmak yerine üç farklı algoritma kullanılmıştır. Duygusal analizde doğal dil işleme teknikleriyle beraber hangi algoritma daha verimlidir sorusuna cevap vermiştir. Çalışmada 4500 öğe içeren bir veri seti kullanılmıştır. Bu veri setinin 4000 öğesi sistemi eğitmek ve geri kalan kısmı ise sistemin testi için kullanılmıştır. Kullanılan algoritmalar arasında en verimli çalışanı Naïve Bayes olmuştur. Bu algoritma %98.8 oranında doğru sonuç vermiştir. Sırayla Karar ağacı algoritması %93.1 ve N-Gram
algoritması ile % 73.9 başarı elde edilmiştir. Bu çalışmada sistemin doğu çalışmasından emin olduktan sonra anlık olarak kullanıcı temelinde Twitler analiz edilmiştir . 

Keywords - Duygusal Zekâ Analizi, yapay zekâ, Makine öğrenmesi, Twitter, Naive Bayes, N-Gram, Karar ağacı

[1] Liu B., Sentiment Analysis and Subjectivity, Handbook of Natural Language Processing, 2010

[2] PSYCHOLOGICAL ASPECTS OF NATURAL LANGUAGE USE: Our Words, Our Selves

[3] Aslam S., Twitter by the Numbers: Stats, Demographics & Fun Facts, 2018, https://www.omnicoreagency.com/twitter-statistics/ erişim tarihi:12.03.2018

[4] Akgül E. S. , Ertano C, Diri B.,Twitter verileri ile duygu analizi, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 22(2), 106-110, 2016

[5] https://www.python.org/ , erişim tarihi:12.03.2018

[6] https://www.djangoproject.com/ , erişim tarihi:12.03.2018

[7] https://apps.twitter.com , erişim tarihi:12.03.2018

[8] https://twython.readthedocs.io/en/latest/ , erişim tarihi:12.03.2018

[9] https://www.json.org/ , erişim tarihi:19.03.2018

[10] https://en.wikipedia.org/wiki/Bayes%27_theorem , erişim tarihi 13.03.2018

[11] http://textblob.readthedocs.io/en/dev/index.html, erişim tarihi 13.03.2018

[12] https://www.nltk.org/ , erişim tarihi 13.03.2018

[13] https://en.wikipedia.org/wiki/Decision_tree , erişim tarihi 13.03.2018

[14] http://ieeexplore.ieee.org/abstract/document/7066632/?anchor=authors

[15] https://dl.acm.org/citation.cfm?id=2390490

[16]https://ccc37e68-a-62cb3a1a-ssites.googlegroups.com/site/anthonykunneljose/home/MajorReport.pdf?attachauth=ANoY7cqekRyPXpc83IBr_aYDHqNqrfX-ZQPMZ3BuCnELO_-uaWBPJFmTUBoJgD_Jd0Iuvu1PVMSbix2CMhqcIl7nXWeymk_EYotUZy8r5dDJHVyZlsu3Nr7o93R7Nk4xS_nqvHNGCKQ9ASc6ac37OcZKXn1bKVOXaJ4h5BY7EHw3F5cLjscoBKvBgF__hV9vv20JnSpWL1oghz15YcMnGeWofXgA4OUbpNX6cUmOKOcuMwZAistQHY4%3D&attredirects=0