Open Access
Classification of User Comments for Social Media Applications using Text Mining
Emre Dandıl1*, Burhan Karakurt2
1Bilecik Şeyh Edebali University, Bilecik , Turkey
2Bilecik Şeyh Edebali University, Bilecik , Turkey
* Corresponding author: emre.dandil@bilecik.edu.tr

Presented at the International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA2019), Ürgüp, Turkey, Jul 05, 2019

SETSCI Conference Proceedings, 2019, 8, Page (s): 203-207 , https://doi.org/10.36287/setsci.4.5.040

Published Date: 12 October 2019    | 1453     24

Abstract

Abstract –The use of social media has become an important daily activity for people today. Social media, which has become one of the focal points of human life, is used both as a personal need and meets the entertainment needs of people. In this study, Android based mobile application is developed and user comments entered into the application are classified in real time using Bayesian algorithm. Thus, the use of social media is made more quality and conscious. In the study, a pre-prepared dataset with positive and negative user comments is used for the training phase. After the training phase, the user comments entered into the mobile application are classified as positive or negative using Bayesian algorithm. It is seen that user comments are classified as successful with 88% accuracy in the test operations performed on mobile application.

Özet –Sosyal medya kullanımı günümüzde insanlar için önemli bir günlük aktivite olmuştur. İnsan yaşamının odak noktalarından birisi haline gelen sosyal medya hem bir kişisel ihtiyaç olarak kullanılmakta hem de insanların eğlence gereksinimleri karşılamaktadır. Bu çalışmada, geliştirilen bir Android tabanlı mobil uygulamaya girilen kullanıcı yorumlarının gerçek zamanlı olarak Bayes algoritması ile sınıflandırılması gerçekleştirilmiştir. Böylece, sosyal medya kullanımını daha kaliteli ve bilinçli hale getirilmiş olmaktadır. Çalışmada eğitim için önceden hazırlanmış olumlu ve olumsuz kullanıcı yorumlarının bulunduğu bir veriseti kullanılmıştır. Eğitim aşamasından sonra mobil uygulamaya girilen kullanıcı yorumlarının Bayes algoritması ile pozitif veya negatif olduğunun sınıflandırılması sağlanmıştır. Mobil uygulama üzerinden gerçekleştirilen test işlemlerinde %88 doğruluk ile kullanıcı yorumlarının başarılı olarak sınıflandırıldığı görülmüştür.

Keywords - Social media, mobile application, Android, classification, Bayesian algorithm

References

[1] L. Zhang, K. Hua, H. Wang, G. Qian, and L. Zhang, "Sentiment analysis on reviews of mobile users," Procedia Computer Science, vol. 34, pp. 458-465, 2014.

[2] Dijilopedi. (09.06.2019). 2019 Türkiye İnternet Kullanım ve Sosyal Medya İstatistikleri. https://dijilopedi.com/2019-turkiye-internetkullanim-ve-sosyal-medya-istatistikleri/, Erişim Tarihi: 28/07/2019

[3] B. Solmaz, G. Tekin, Z. Herzem, and M. Demir, "İnternet ve Sosyal Medya Kullanimi Üzerine Bir Uygulama," Selçuk üniversitesi iletişim fakültesi akademik dergisi, vol. 7, pp. 23-32, 2013.

[4] E. Kontopoulos, C. Berberidis, T. Dergiades, and N. Bassiliades, "Ontology-based sentiment analysis of twitter posts," Expert systems with applications, vol. 40, pp. 4065-4074, 2013.

[5] P. D. Turney, "Thumbs up or thumbs down?: semantic orientation applied to unsupervised classification of reviews," in Proceedings of the 40th annual meeting on association for computational linguistics, 2002, pp. 417-424.

[6] B. Pang, L. Lee, and S. Vaithyanathan, "Thumbs up?: sentiment classification using machine learning techniques," in Proceedings of the ACL-02 conference on Empirical methods in natural language processing-Volume 10, 2002, pp. 79-86.

[7] M. Hu and B. Liu, "Mining and summarizing customer reviews," in Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining, 2004, pp. 168-177.

[8] K. Sailunaz and R. Alhajj, "Emotion and Sentiment Analysis from Twitter Text," Journal of Computational Science, 2019.

[9] A. Agarwal, B. Xie, I. Vovsha, O. Rambow, and R. Passonneau, "Sentiment analysis of twitter data," in Proceedings of the Workshop on Language in Social Media (LSM 2011), 2011, pp. 30-38.

[10] L. Terán and J. Mancera, "Dynamic profiles using sentiment analysis and twitter data for voting advice applications," Government Information Quarterly, 2019.

[11] A. R. Alaei, S. Becken, and B. Stantic, "Sentiment analysis in tourism: capitalizing on big data," Journal of Travel Research, vol. 58, pp. 175-191, 2019.

[12] M. Yapnaz. (27/0/2019). Scikit-Learn kütüphanesi ile basit bir duygu analizi örneği. https://github.com/merveyapnaz/Sentiment-Analysist, Erişim Tarihi: 28/07/2019.

[13] D. Lewis, "Representation and learning in information retrieval," University of Massachusetts at Amherst, 1992.

[14] X. Chai, L. Deng, Q. Yang, and C. X. Ling, "Test-cost sensitive naive bayes classification," in Fourth IEEE International Conference on Data Mining (ICDM'04), 2004, pp. 51-58.

[15] J. Vaidya, M. Kantarcıoğlu, and C. Clifton, "Privacy-preserving naive bayes classification," The VLDB Journal, vol. 17, pp. 879-898, 2008.

SETSCI 2024
info@set-science.com
Copyright © 2024 SETECH
Tokat Technology Development Zone Gaziosmanpaşa University Taşlıçiftlik Campus, 60240 TOKAT-TÜRKİYE