Sentiment analysis for Turkish Twitter feeds

Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering

2016

Sentimental Twitter software is parsing, analyzing and reporting Twitter data, giving service to individuals and corporate users via its user friendly graphical user interface. Each tweet is classified as positive, negative or neutral in Sentimental Twitter. In this study, both lexicon and n-gram method has been used to perform and implement two different methods. As a result the lexicon method has been measured more performance than the n-gram method.

2014

Duygusal Twitter, kullanıcıya kullanım kolaylığı sağlayan ve görsel kullanıcı ara yüzü ile hem bireysel, hem de kurumsal kullanıcılar için Twitter verisini ayrıştıran, analiz eden ve raporlayan bir programdır. Duygusal Twitter'da her tweet için olumlu, olumsuz ve nötr olmak üzere 3 farklı sonuç döndürülmektedir. Çalışmada hem sözlük hem de n-gram modeli kullanılarak iki yöntem geliştirilmiştir. Sözlük yöntemi, n-gram yöntemine göre daha başarılı sonuçlar vermiştir. Sentimental Twitter software is parsing, analyzing and reporting Twitter data, giving service to individuals and corporate users via its user friendly graphical user interface. Each tweet is classified as positive, negative or neutral in Sentimental Twitter. In this study, both lexicon and n-gram method has been used to perform and implement two different methods. As a result the lexicon method has been measured more performance than the n-gram method.

Pamukkale University Journal of Engineering Sciences, 2016

Duygusal Twitter, kullanıcıya kullanım kolaylığı sağlayan ve görsel kullanıcı ara yüzü ile hem bireysel, hem de kurumsal kullanıcılar için Twitter verisini ayrıştıran, analiz eden ve raporlayan bir programdır. Duygusal Twitter'da her tweet için olumlu, olumsuz ve nötr olmak üzere 3 farklı sonuç döndürülmektedir. Çalışmada hem sözlük hem de n-gram modeli kullanılarak iki yöntem geliştirilmiştir. Sözlük yöntemi, n-gram yöntemine göre daha başarılı sonuçlar vermiştir. Sentimental Twitter software is parsing, analyzing and reporting Twitter data, giving service to individuals and corporate users via its user friendly graphical user interface. Each tweet is classified as positive, negative or neutral in Sentimental Twitter. In this study, both lexicon and n-gram method has been used to perform and implement two different methods. As a result the lexicon method has been measured more performance than the n-gram method.

2015

Doğu Fen Bilimleri Dergisi, 2023

Sosyal medyada ifade edilen görüşler, çeşitli işletmeler için her zaman dikkate alınan ve faydalı bir kaynak olmuştur. Duygu analizi, kullanıcılar tarafından oluşturulan içeriği belirli kutuplara (pozitif, negatif) dağılmış ve etkin bir şekilde sınıflandırmayı ifade eden genel bir terimdir. Duyguların sınıflandırma ve analizini gerçekleştirmek için çeşitli araçlar ve teknikler bulunmaktadır. Bunlar, veri üzerinde ön işleme adımları tamamlandıktan sonra hedef grubu sınıflandıran denetimli makine öğrenimi tekniklerini içermektedir. Hibrit araçlar, makine öğrenimi ve sözlük tabanlı algoritmaların birleşimini kullanarak, işaretlenmiş verilere dayalı olarak sınıflandırma yapar. Bu makalede, duyguların analizinde SVM algoritmasını Weka adında açık kaynaklı bir yazılım ile birlikte kullanılmıştır. İki önceden kategorize edilmiş tweet veri seti kullanıldı. SVM algoritmasının performansı, analitik metrikler yardımıyla değerlendirildi.

2016 IEEE/ACS 13th International Conference of Computer Systems and Applications (AICCSA), 2016

Öz Bu çalışmanın amacı, Türkçe için kapsamlı yeni bir duygu kütüphanesi geliştirmektir. Bu yeni kütüphane ile Türkçe sosyal medya paylaşımlarında etkili duygu analizi çalışmalarının yapılmasına katkı sunmak hedeflenmektedir. Bu çalışmada, varolan diğer kütüphanelerden bazıları incelenmiş olup bunları genişleten kapsamlı bir kütüphane oluşturulmuştur. Daha önce yapılmış çalışmalara ek olarak kütüphaneye basit emoji karakterler ve puanlama altyapısı eklenmiştir. Geliştirilen Türkçe Duygu Kütüphanesi'nin verimliliğini ölçmek için Twitter'da belli etiketlerle oluşturulmuş paylaşımlar toplanmıştır ve bunların üzerinden duygu analizi çalışmaları yapılmıştır. Analiz çalışmaları, birbirinden bağımsız iki farklı konu başlığında gerçekleştirilmiştir. Bu analiz kapsamında yapılan çalışmalardan ilki hava değişikliklerinin kullanıcılar üzerindeki etkisini ölçmek adına yapılmıştır. Bu çalışma kapsamında yaz aylarında ve kış aylarında toplanan veri kümeleri incelenmiştir. Türkçe paylaşım yapan kullanıcıların kış aylarında daha olumsuz paylaşımlar yaptıkları, bahar ve yaz aylarında ise kış aylarına oranla daha olumlu paylaşımlar yaptıkları gözlemlenmiştir. Diğer analiz çalışması ise Türk televizyonlarında belirli bir süre boyunca yayınlanan, günlerce popüler konu listesinin en üst sırasında yer alan Survivor adlı yarışma programı izleyicilerinin Türkçe paylaşımlarını konu almıştır. Analiz sonucunda kullanıcıların takip etmekte oldukları bu programla ilgili genelde olumsuz paylaşımlar yaptığı gözlemlenmiştir. Ayrıca, paylaşımlarda bozuk Türkçe kullanım alışkanlıkları tespit edilmiştir.

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 2019

In this study, Tweets on Twitter are sought to be found out whether they are Islamophobic or not by using emotion analysis. Estimations are made using precision, recall and F1 measures via models trained with linear ridge model. In the end, accurate results, in the range of 96.3 per cent to 96.5 per cent on average, are obtained for positive tweets. Figure A. Block schema of the system Purpose: Although there are many studies on machine learning in social networks, a study based on Islamophobia, especially a study that brings a machine learning approach to the problems about this subject,has not been done scientific research. In this thesis, it is aimed to carry out a study on the detection of hate speech on Twitter on Islamophobia with different machine learning algorithms. Theory and Methods: Twitter has been marked firstly in our study. Then, preprocessing studies have been performed and trained with two different algorithms. Results: The system has been trained using 80% of the data set consisting of 162,000 tweets and tests have been performed using 20%. In this way, the accuracy rate of the system has been determined.After the application of word-based TF-IDF weighting on the data set, Ridge Regression and Naive Bayes model has been applied. For these models, the rates obtained in Tweet classification study were 96.9% in Ridge Regression in F1 criterion while this value has been decreased to 95.4% in the Naive Bayes. In addition, Ridge Period was shorter than Naive Bayes Classifier as training time. Conclusion: Suggestions that can be put forward as a result of this study are that; researches should be done with similar national language for different languages,too and rweets should be researched and got more detailed results based on location and date based. In addition, by providing Tweets specific to the location, the "Islamophobia Score' can be calculared for different locations and countries, and the Global Islamophobia Index which includes the countries can be calculated.

Electric Electronics, Computer Science, Biomedical Engineerings' Meeting (EBBT), 2018

Abstract-The classification of the emotions contained in the social media is of great importance in terms of its use in related fields such as media as well as developing technology. The Latent Dirichlet Allocation (LDA), a topic modeling algorithm, was used to determine which emotions the tweets on Twitter had in the study. Dataset consists of angry, fear, happy, sadness and surprise, 5 emotions and 4000 tweets. Zemberek, Snowball and the first 5 letter root extraction methods are used to create the model. The generated models were tested with the n-stage LDA method we developed and compared with the LDA. For the 5 classes of normal LDA method, the highest 60.4% success was achieved; 70.5% for 2-stage LDA and 76.4% for 3-stage LDA.

Yeni medyanın en önemli özelliklerinden birisi, iletişim sürecinde bireylerin birbirleriyle etkileşimine olanak tanımasıdır. Genel bir tanımlamayla etkileşim kavramı bireylerin karşılıklı olarak ileti alış verişinde bulunmaları durumudur. Etkileşim özelliği sayesinde bireyler, medya mesajlarına kişisel yorumlarını ekleyerek onları yeniden üretebilmekte ya da söz konusu medya mesajlarını paylaşarak (retweet ederek) yeniden dolaşıma sokabilmektedirler. Bu araştırmada haber ajansları ve gazetelerden gelen iletilerin etkileşim düzeylerini belirlemek amaçlanmıştır. Bu amaçla 1 Mayıs - 31 Temmuz 2016 tarihleri arasında Doğan Haber Ajansı (DHA), Anadolu Ajansı (AA), Sabah Gazetesi, Sözcü Gazetesi ve Hürriyet Gazetesinin resmi Twitter hesaplarından gönderilen toplam 81.174 tweet kaydedilmiştir. Kullanıcıların etkileşim düzeyini belirlemek için kaydedilen tweetlerin, retweet edilme ve beğeni sayıları üzerinden analiz gerçekleştirilmiştir. Yapılan analizde haber tweetlerinin 48 saat içindeki etkileşim oranları, günün belli zaman dilimlerinde gönderilen tweetlerin kullanıcılar tarafından ne kadar retweet edildiği ve beğenildiği, retweet ve beğeni sayılarının toplam takipçi sayılarına oranları hesaplanarak kullanıcıların etkileşim düzeyleri belirlenmiştir.