Adaptif Öğrenme Sözlüğü Temelli Duygu Analiz Algoritması Önerisi

Öz Teknolojik ilerlemeler bilinen anlamdaki veri kavramını geliştirmekte ve çeşitli tipte, büyük boyutlarda veri setlerini ulaşılabilir kılmaktadır. Özellikle kişisel cihazların ve sosyal medya kanallarının yaygınlaşması ile bireyler yaşamları ve duyguları hakkında çeşitli bilgiler paylaşmaktadırlar. Bu da araştırmacılara anket gibi tekniklerle elde edilmesi güç boyutlarda veri sağlayan kaynaklar oluşmasını sağlamaktadır. Metin verileri de hem sosyal medya aracılığı ile en çok biriken veri çeşidinden biri olması hem de içerdiği duygular bakımından önem taşımaktadır. Kişilerin duygularını ifade etmek veya görüşlerini bildirmek amacıyla yazdıkları metinlerin analiz edilerek anlamlı bilgilere dönüştürülmesi ve değer yaratılması veri analitiğinin amaçlarından birisidir. Bu doğrultuda veri setinin analizi kadar çıktıların yorumlanarak değer yaratılması da büyük önem taşımaktadır. Bu amaçla çalışmada çıktıları yorumlayabilecek fakat yazılım altyapısı güçlü olmayan araştırmacıların da kolaylıkla faydalanabileceği bir model önerilmiştir. Böylece çıktıların değer bulacağı işletme, ekonomi ve sosyoloji gibi sosyal bilimler alanlarından araştırmacıların gelişen teknoloji ve veri setlerini değerlendirmesi hedeflenmiştir. Yarı denetimli öğrenme ile pozitif ve negatif duygu sözlükleri genişletilmiş sözlük temelli duygu analizi tekniği kullanılan ve performansı yüksek, uygulama anlamında çeşitli düzeyde yazılım bilgisine sahip kişilere hitap eden bir duygu analizi modeli sunulmuştur.

Anahtar Kelimeler:

Duygu analizi, metin madenciliği, sosyal medya analitiği

PDF

___

A. Kapucugil-İkiz, G. Özdağoğlu, “Text mining as a supporting process for VoC clarification”, Alphanumeric Journal, 3(1), 25-40, 2015.
B. Pang, L. Lee, “Seeing stars: Exploiting class relationships for sentiment categorization with respect to rating scales, In Proceedings of the 43rd annual meeting on association for computational linguistics”, Proceedings of the 43rd annual meeting on association for computational linguistics, 115-124, Haziran 2005.
M. Thelwall, K. Buckley, G. Paltoglou, D. Cai, A. Kappas, “Sentiment strength detection in short informal text”, Journal of the American Society for Information Science and Technology, 61(12), 2544-2558, 2010.
A. Neviarouskaya, H. Prendinger, M. Ishizuka, “Textual affect sensing for sociable and expressive online communication”, International Conference on Affective Computing and Intelligent Interaction, 218-229, 2007.
W. He, S. Zha, L. Li, “Social media competitive analysis and text mining: A case study in the pizza industry”, International Journal of Information Management, 33(3), 464-472, 2013.
M. M. Mostafa, “More than words: Social networks’ text mining for consumer brand sentiments”, Expert Systems with Applications, 40(10), 4241-4251, 2013.
M. Ghıassı, J. Skinner, D. Zımbra, “Twitter brand sentiment analysis: A hybrid system using n-gram analysis and dynamic artificial neural network” Expert Systems with applications, 40(16), 6266- 6282, 2013.
X. Zhang, H. Fuehres, P. A. Gloor, “Predicting stock market indicators through twitter - I hope it is not as bad as I fear-” Procedia-Social and Behavioral Sciences, 26, 55-62, 2011.
J. Bollen, H. Mao, X. Zeng, “Twitter mood predicts the stock market”, Journal of Computational Science, 2(1), 1-8, 2011.
A. Mittal, A. Goel, Stock prediction using twitter sentiment analysis, Standford University, CS229, 2012.
S. Bouktif, M. A. Awad, “Ant colony based approach to predict stock market movement from mood collected on Twitter”, Proceedings of the 2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, 837-845, 2013.
A. Porshnev, I. Redkin, A. Shevchenko, “Machine learning in prediction of stock market indicators based on historical data and data from twitter sentiment analysis”, In 2013 IEEE 13th International Conference on Data Mining Workshops, 440-444, 2013.
F. Corea, “Can Twitter Proxy the Investors' Sentiment? The Case for the Technology Sector”, Big Data Research, 4, 70-74, 2016.
S. Asur, B. A. Huberman, “Predicting the future with social media”, Proceedings of the 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology-Volume 01, 492-499, 2010.
H. Rui, Y. Liı, A. Whinston, “Whose and what chatter matters? The effect of tweets on movie sales”, Decision Support Systems, 55(4), 863-870, 2013.
T. Kim, J. Hong, P. Kang, “Box office forecasting using machine learning algorithms based on SNS data”, International Journal of Forecasting, 31(2), 364-390, 2015.
A. Culotta, “Towards detecting influenza epidemics by analyzing Twitter messages”, In Proceedings of the first workshop on social media analytics - ACM, 115-122, 2010.
E. Aramaki, S. Maskawa, M. Morıta, “Twitter catches the flu: detecting influenza epidemics using Twitter”, In Proceedings of the conference on empirical methods in natural language processing (Association for Computational Linguistics), 1568-1576, 2011.
T. Bodnar, M. Salathé, “Validating Models For Disease Detection Using Twitter”, In Proceedings Of The 22nd International Conference on World Wide Web - ACM, 699-702, 2013.
M. Meral, B. Diri, “Sentiment analysis on Twitter”, IEEE 22nd. International Conference On Signal Processing and Communications Applications, 690-693, 2014.
Ö. Çoban, B. Özyer, G. T. Özyer, “Sentiment analysis for Turkish Twitter feeds”, IEEE 23th International Conference On Signal Processing and Communications Applications, 2388-2391, 2015.
A. B. Elıaçık, N. Erdogan, “Mikro Bloglardaki Finans Toplulukları için Kullanıcı Ağırlıklandırılmış Duygu Analizi Yöntemi”, UYMS, 2015.
C. Akarsu, B. Diri, “Turkish TV rating prediction with Twitter”, IEEE 24th International Conference On Signal Processing and Communication Application, 345-348, 2016.
D. Kayahan, A. Sergin, B. Diri, “Determination of TV programme ratings by twitter”, IEEE 21st International Conference On Signal Processing and Communications Applications, 1-4, 2013.
S. Stieglitz, L. Dang-Xuan, A. Bruns, C. Neuberger, “Social media analytics”, Wirtschaftsinformatik, 56(2), 101-109, 2014.
R. Xia, C. Zong, S. Li, “Ensemble of feature sets and classification algorithms for sentiment classification”, Information Sciences, 181(6), 1138-1152, 2011.
M. N. Rahman, A. Esmailpour, J. Zhao, “Machine Learning with Big Data An Efficient Electricity Generation Forecasting System”, Big Data Research, 5, 9-15, 2016.
B. Liu, “Sentiment analysis and opinion mining”, Synthesis lectures on human language technologies, 5(1), 1–167, 2012.
W. Medhat, A. Hassan, H. Korashy, “Sentiment analysis algorithms and applications: A survey”, Ain Shams Engineering Journal, 5(4), 1093-1113, 2014.
C. Catal, M. Nangir, “A sentiment classification model based on multiple classifiers”, Applied Soft Computing, 50, 135-141, 2017.
K. Çalış, O. Gazdağı, O. Yıldız, “Reklam İçerikli Epostaların Metin Madenciliği Yöntemleri ile Otomatik Tespiti”, Bilişim Teknolojileri Dergisi, 6(1), 1-7, 2013.
B. Liu, “Sentiment analysis and subjectivity”, In Handbook of Natural Language Processing, Cilt 2, Chapman and Hall/CRC, 627-666, 2010.
L. Zhang, Sentiment analysis on Twitter with stock price and significant keyword correlation, Doktora Tezi, The University of Texas at Austing, Department of Computer Science, 2013.