Futbol Müsabakaları ile İlgili Tweetlerin Anlık Duygu Analizi

Abstract

Sosyal medya, insanlarin kendilerini ifade edebildikleri ortamlar olarak cok kullanilmaktadir. Bu sebeple Facebook, Instagram ve Twitter gibi sosyal medya ortamlarinin kullanici sayilari giderek artmaktadir. Sosyal medya kullanicilarinin paylasimlari analiz edilerek ilgili konu hakkindaki duygulari ortaya cikarilabilmektedir. Sosyal medya platformu olan Twitter da politikacilar, spor kulupleri, sirketler, aktivistler kisaca neredeyse tum bireyler ve kurumlar icin kendilerini ifade etme ortami haline gelmistir. Hemen hemen tum futbol takimlarinin taraftarlari icin haberlerini paylastiklari Twitter hesaplari vardir. Kullanicilar Twitter’da futbol musabakasi esnasinda ve sonrasinda da mesaj paylasabilmektedir. Bu calismanin konusu, Twitter ortaminda futbol takimlari ve futbol musabakalari hakkinda Twitter kullanicilarinin paylasimlarinin duygu analizi ile ilgilidir. Bu calismada Twitter’da futbol musabakalari hakkinda paylasilan 30.000 Turkce tweet ile anlik duygu analizi yapilmistir. Egitim setlerindeki siniflandirma hatalarini en aza indirmek icin toplanmis olan tweetler el ile etiketlendikten sonra yine ayni kisi tarafindan farkli zamanlarda beser defa kontrol edilmistir. Bu etiketlemede olumlu, olumsuz, tarafsiz ve alakasiz olarak 4 duygu sinifi kullanilmistir. Bu etiketlenmis tweetlerden farkli ozniteliklere sahip 12 farkli egitim seti olusturulmustur. Olusturulan bu egitim setleri kullanilarak farkli siniflama algoritmalari ile modeller cikarilmis ve bu modellerin capraz dogrulama ile siniflama basarimlari bulunmustur. Farkli ozniteliklere sahip olarak olusturdugumuz egitim setleri, belirlenen siniflandirma algoritmalari ile test edilmis ve algoritmalarinin siniflandirma dogruluklari; Naive Bayes algoritmasi icin %84.30, K-En Yakin Komsu (KNN- K-Nearest Neighborhood) algoritmasi icin %87.73, C4.5 algoritmasi icin %89.60, Destek Vektor Makinesi (SVM- Support Vector Machine) algoritmasi icin %92.30 olarak bulunmustur. Calismada zemberek kutuphanesi kullanilarak Turkce tweetlerde yaklasik 48.000 kelimenin duzeltmesi, siniflandirma basarimina olumlu katki saglamistir. Ayrica futbol musabakalari hakkinda paylasilan tweetleri anlik olarak toplayip, olusturulan modeller ile bu tweetlerin sinifini tespit ederek siniflara ait sonuclari gercek zamanli gorsellestiren bir uygulama gelistirilmistir.