Twitter verileri ile makine öğrenmesi kullanılarak duygu analizi: Torku örneği

Basit Öğe Kaydı
dc.authorid0000-0003-1242-2668en_US
dc.contributor.advisorAkyürek, Hasan Ali
dc.contributor.authorBahar, Muhammed Ali
dc.date.accessioned2023-11-28T08:40:15Z
dc.date.available2023-11-28T08:40:15Z
dc.date.issued2023en_US
dc.date.submitted2023-07-24
dc.departmentNEÜ, Sosyal Bilimler Enstitüsü, Yönetim Bilişim Sistemleri Anabilim Dalıen_US
dc.descriptionYüksek Lisans Tezien_US
dc.description.abstractTeknolojinin 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.en_US
dc.description.abstractWith 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.en_US
dc.identifier.citationBahar, 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.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12452/10289
dc.language.isotren_US
dc.publisherNecmettin Erbakan Üniversitesi Sosyal Bilimler Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectMakine Öğrenmesien_US
dc.subjectDuygu Analizien_US
dc.subjectTorku Kelimesi Duygu Analizien_US
dc.subjectTwitteren_US
dc.subjectMachine Learningen_US
dc.subjectSentiment Analysisen_US
dc.subjectTorku Word Sentiment Analysisen_US
dc.subjectTwitteren_US
dc.titleTwitter verileri ile makine öğrenmesi kullanılarak duygu analizi: Torku örneğien_US
dc.title.alternativeSentiment analysis using machine learning with twitter data: Case of Torkuen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
MUHAMMED ALİ BAHAR.pdf
Boyut:
1.77 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Yüksek Lisans Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Sosyal Bilimler Enstitüsü Tez Koleksiyonu