Akyürek, Hasan AliBahar, Muhammed Ali2023-11-282023-11-2820232023-07-24Bahar, M. A. (2023). Twitter verileri ile makine öğrenmesi kullanılarak duygu analizi: Torku örneği. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Sosyal Bilimler Enstitüsü Yönetim Bilişim Sistemleri Anabilim Dalı, Konya.https://hdl.handle.net/20.500.12452/10289Yüksek Lisans TeziTeknolojinin gelişmesiyle birlikte insanlar duygu ve düşüncelerini sosyal medya platformları üzerinden paylaşmaya başlamışlardır. Bu paylaşımlarda gündemde olan konular, firmalar ve ürünler ile ilgili görüşler, eleştiriler ve öneriler yer almaktadır. Bu paylaşımlar sayesinde pek çok alanda incelenebilir büyük bir veri kümesi oluşmaktadır. Bu veri kümesi makine öğrenmesi ve modelleri kullanılarak duygu analizi yapılmasını kolaylaştırmaktadır. Makine öğrenmesi modelleri ile bu veri kümeleri işlenerek herhangi bir konu veya başlık ile ilgili görüşlerin ağırlıkları olumlu olumsuz şeklinde sınıflandırılabilmektedir. Bu çalışmada sosyal medya platformlarından Twitter üzerinde "Torku" kelimesi ile ilgili yapılan paylaşımlar kullanılarak kullanıcıların duygu analizleri TextBlob ve VaderSentiment kütüphaneleri kullanılarak etiketlendirilip 4 farklı makine öğrenmesi modeli eğitilerek duygu ağırlıkları belirlenmiştir. Sonrasında bu modeller karşılaştırılarak belirlenen veri seti için en iyi model tespit edilmeye çalışılmıştır. Bu sayede kullanıcıların "Torku" kelimesi ile ilgili genel görüşlerinin oranları çıkartılmıştır.With the development of technology, people have started to share their feelings and thoughts on social media platforms. These posts include opinions, criticisms and suggestions on current issues, companies and products. Thanks to these posts, we have a large dataset that can be analyzed in many areas. This dataset facilitates sentiment analysis using machine learning and models. By processing these datasets with machine learning models, the weights of opinions on any subject or topic can be classified as positive-negative-neutral. In this study, using the posts about the word "Torku" on Twitter, one of the social media platforms, the emotional analyzes of the users were tagged using the TextBlob and VaderSentiment libraries, and the emotion weights were determined by training 4 different machine learning models. Afterwards, these models were compared and the best model was tried to be determined for the determined data set. In this way, the ratios of the general opinions of the users about the word "Torku" were determined.trinfo:eu-repo/semantics/openAccessMakine ÖğrenmesiDuygu AnaliziTorku Kelimesi Duygu AnaliziTwitterMachine LearningSentiment AnalysisTorku Word Sentiment AnalysisTwitterMaster Thesis