Terörizm İçerikli Online Sosyal Yorumların Duygu Analizi ve Fikir Madenciliği

Abstract

Duygu analizi, insanların konuştukları veya yazdıkları şeyler hakkındaki duygularını ortaya çıkarmak için kullanılmıştır. Duygu analizi, Cümleyi oluşturan pozitif ve negatif duygu terimlerinin frekansları hesaplanarak yapılan bir metin madenciliği yöntemidir. Bu araştırmada, metin birimlerinin olumsuz ve olumlu değerlerinin sıklığının, bir terör saldırısından sonra tepki duygusunu keşfetme alanı gibi bazı alanlarda içerikleri hakkında yeterli olduğunu söylemiyoruz. Bu tezde, duygu analizi, konu modelleme ve bulanık mantık sistemi arasında bir melez olan bir model önerdik. Bu model, 2017 yılında Londra ve Barselona'da meydana gelen neredeyse aynı iki terörist saldırının tepkileri üzerine değerlendirildi. Reaksiyon veri setleri Twitter'dan toplandı. İlk olarak, tweet içeriğinin anlambiliminin saldırının her biri ile nasıl ilişkili olduğunu anlamak için tweet içeriğinin ön analizi yapıldı. daha sonra reaksiyonların ana konuları insan kararıyla LDA konu modelleme algoritması kullanılarak çıkarılmıştır. Fikir kelimelerini puanlamak için kullanılan sözlük yaklaşımı, tweetlerdeki tüm görüş kelimelerinin, görüş sözlüğündeki kelimelerle eşleştirilerek tanımlandığı tweetlerden oluşmaktadır. Daha sonra polariteyi belirlemek ve tweet'i duygusal sınıflandırma için etiketlemek için bir bulanık mantık sistemi kullanıldı. POS ve N-gram olarak özellikler çıkarılmıştır. Son olarak, tweet'lerin duygusallığını sınıflandırmak için farklı makine öğrenme yöntemleri kullanılmaktadır. Araştırmada elde edilen sonuçlara göre, insanların tepkileriyle ilgili konuların konuyla ilgili olduğu ve metindeki gerçek duyguları önemli ölçüde tahmin etmeye yardımcı olabileceği sonucuna varılmıştır.

Sentiment analysis has been used to bring out the emotions of people on the things they talk or write about. It is a text mining method, which is made by calculating the frequencies of positive and negative sentiment terms that make up the sentence. In this research, we argue that the frequency of negative and positive values of text units do not say enough about their content in some domains, for example exploring the sentiment of reactions after a terrorist attack. In this thesis, we proposed a model which is a hybrid between Sentiment Analysis, Topic modeling and Fuzzy logic system. This model has been evaluated on reactions about two almost identical terrorist attacks that occurred in London and Barcelona in 2017. A dataset of reactions to these events was collected from Twitter. First, a preliminary analysis of the tweet content was performed to understand how the semantics of tweet content relates to each of the attacks. Then the main topics of the reactions were extracted using the LDA topic modeling algorithm with human judgment. The lexicon approach was used to score the opinion words in the tweets. All opinion words from the tweets were identified by matching them with the words in the opinion lexicon. Then, a fuzzy logic system was used to determine polarity and label the tweet for sentimental classification. Features such as POS and N-grams were extracted. Finally, different machine learning methods were used to classify the sentiment of the tweets. According to the results obtained in this research, it was concluded that the topics from people's reactions are relevant and it can help to significantly predict the real emotions in the text.