KISA METİNLERDEN SOSYAL DUYGU SINIFLANDIRMA İÇİN MAKİNE ÖĞRENMESİ TABANLI YÖNTEMLERİN GELİŞTİRİLMESİ

Abstract

Teknolojinin gelişmesiyle, insan hayatı sanal dünyaya daha çok girmektedir. İnternetin gelişmesiyle birlikte ise Twitter, Facebook, Instagram, Tumblr, Google+, vb. gibi sosyal medya ağları insan hayatının vazgeçilmez parçası olmuştur. Bir günde milyonlarca mesajın dolaştığı bu ağlarda, insanlar hayatlarını arkadaşlarıyla, aileleriyle ve hatta tanımadığı insanlarla paylaşmakta ve bundan memnuniyet duymaktadırlar. İnsanların belli konular ve ürünler hakkında neler düşündüğünü ve nelerden hoşlanıp nelere ihtiyaç duyduğunu sosyal medya ortamlarında paylaşması ticaret, üretim ve hizmet sektörleri için ilgi çekici olmaya başlamıştır. Bu durum, Duygu Analizi konusunun ve bunu destekleyen Metin madenciliği ile Metin Sınıflandırma alanlarının önem kazanmasını sağlamıştır. Bu çalışmada yapılan ilk uygulama, makine öğrenmesi teknikleri ile haber metinlerinin farklı öznitelik ve terim ağırlıklandırma yöntemleriyle sınıflandırılması, yöntemlerin verimliliğinin ve başarısının test edilmesi açısından önem arz etmiştir. İkinci uygulama ile yine makine öğrenmesi teknikleriyle duygu analizi çalışması yapılarak, Twitter gönderilerini içeren farklı iki veri seti pozitif, negatif ve nötr sınıflarla etiketlenmiş ve Parçacık Sürü Optimizasyonu tabanlı K-En Yakın Komşu Algoritması ile sınıflandırılmıştır. Daha önce aynı veri kümeleri üzerinde önerilen guguk kuşu algoritması ile karşılaştırıldığında önerilen yöntemin daha başarılı sonuçlar verdiği gözlemlenmiştir.

With the development of technology, human life enters the virtual world more and more. With the development of the Internet, social media networks such as Twitter, Facebook, Instagram, Tumblr, Google+, etc. have become indispensable parts of human life. In these networks, where millions of messages are circulating in one day, people share their lives with their friends, family and even people they do not know and are happy with it. The sharing of what people think about specific topics and products and what they like and what they need is starting to become interesting for the trade, manufacturing and service sectors. This has made important Text Mining and Text Analysis as well as the Sentiment Analysis. In the first study, classification of news texts with different feature extraction methods and term weighting methods which based machine learning methods has been important in terms of testing the efficiency and success of the methods. With the second study, two different data sets including Twitter posts are also classified by positive, negative, and neutral classes and the nearest neighbor algorithm based on particle swarm optimization, by conducting sentiment analysis with machine learning techniques. It has been observed that the proposed method yields more successful results when compared to the cuckoo algorithm proposed previously on the same data sets.