ANALYZING TWITTER CONTENTS USING TEXT MINING METHODS
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2018
Tezin Dili: İngilizce
Öğrenci: MUSTAFA LATEEF FADHIL JUMAILI
Asıl Danışman (Eş Danışmanlı Tezler İçin): Fehim KÖYLÜ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Sosyal medyada her saniye yeni mesaj, tweet, resim ve video eklenmekte ve büyük miktarlarda veri depolanmaktadir. Bu büyük veriden değerli bilgiler almak, metin madenciliği alanında önemli, zorlayıcı ve ilginç bir konudur. Twitter sosyal mesajlasma platformu verileri, toplum gündemlerini, eğilimlerini, kullanıcı davranışlarını ve duygularını keşfetmek için metin madenciliği teknikleriyle analiz edilebilir. Bu calişmada bu sosyal platformu uzerindeki gönderilen tweetlerdeki duyguları belirlemek için metin analizi yöntemleri kullanilmistir. Apache Hadoop projesine dahil olan Apache Flume, Twitter'dan veri toplamak ve bunları saklamak için kullanılır. Doğal dil işleme teknikleri verileri işlenebilir bir biçime dönüştürmek için kullanılmaktadır. Daha sonra sınıflandırma modelinden sonra işlenmiş veriler veri madenciliği yöntemleri ile işlenir. Twitter'ın akış verisi kullanılarak, olumlu, olumsuz ve tarafsız görüşler gibi insanların görüşleri sınıflandırma kıstası olarak kullanılır. Bu calişmada 10 farklı otomobil markası hakkinda gonderilen hashtaglerle tweetler toplanmistir. Toplanan veriler TF-IDF, Bi-gram ve SVD metrikleri kullanılarak önceden işlenmiş ve sınıflandırma ağacı modeli oluşturulmuş ve sonuçlar karşılaştırma için ayarlanmıştır. Deneyler sonucunda SVD'ye dayanan sınıflandırma ağacının en iyi doğruluğa sahip olduğu gorulmustur. Bi-gram'a dayalı model farklı markalara göre, en istikrarlı ve en iyi doğrulukla gerçekleştirdi. Deneylerden elde edilen sonuçlar, Bi-gram kullanan modelin, duygu tespitindeki karmaşık davranışa sahip verileri ele almak için kullanılabileceğini göstermektedir. Anahtar kelimeler: Metin madenciliği, duygu analizi, büyük veri, tweet analizi, apache flume, bi-gram.