Metinsel Verilerle Sosyal Medyada Görüşe Dayalı Duygu Analizinin Uygulamaları

Abstract

Sosyal medya platformları, özellikle Twitter, kamuoyunu ifade etmek ve duyguyu analiz etmek için etkili araçlara dönüşmüştür; sosyal medya, doğal afetlere karşı kamu ve kurumsal tepkiler hakkında içgörülü veriler sağlayabilir. Bu tez, 6 Şubat 2023'te Türkiye'nin güneyinde meydana gelen yıkıcı depremin ardından sosyal medya söylemine yön tabanlı duygu analizi (ABSA) uygulamasını araştırmaktadır. 30 günlük bir süre boyunca 24.000 Türkçe tweet'ten oluşan bir veri kümesi toplandı. Tweetler resmi hükümet, belediye, kar amacı gütmeyen kuruluşlar ve doğrulanmış kamu hesaplarından toplandı. Bu tezin temel amacı, acil durum müdahaleleri, altyapı, hükümet politikaları, insani yardım ve felaket sonrası dönemde ortaya çıkan toplanan tweetler aracılığıyla ifade edilen genel kamu duygusu gibi belirli ilgili yönlerle ilişkili duygu eğilimlerinin belirlenmesi ve analizidir. Bu araştırma, Türkçe duygu verileri üzerinde önceden eğitilmiş BERT tabanlı bir duygu sınıflandırma modeli, LLama 3.3 büyük dil modeli ve son olarak Google'ın Gemini büyük dil modeli olmak üzere üç farklı metodolojik yaklaşımı kullanıp karşılaştırmaktadır. Bu tez, büyük ölçekli acil durum olayları sırasında sosyal medya platformlarından eyleme geçirilebilir değerli bilgiler elde etmek için hem doğal dil işleme (NLP) hem de büyük dil modellerini (LLM) kullanan tekrarlanabilir bir çerçeve önererek, hızla gelişen kriz bilişimi alanına katkıda bulunmayı amaçlamaktadır. Anahtar sözcükler: Yön tabanlı duygu analizi, Doğal dil işleme, Büyük dil modelleri (LLM), Dönüştürücü modeller, Sosyal medya analitiği, Türkçe dil işleme, Twitter veri madenciliği. Kriz bilişimi, Afet müdahalesi, Acil durum yönetimi, Duygu analiziSocial media platforms, especially Twitter, have evolved into influential tools for expressing public opinion, and analyzing sentiment, social media can provide insightful data into public and institutional reactions to natural disasters. This thesis investigates the application of aspect-based sentiment analysis (ABSA) on social media discourse following the catastrophic earthquake that struck southern Turkey on February 6th, 2023. A dataset composed of 24,000 Turkish-language tweets was collected over a 30-day period. Tweets were collected from official governmental, municipal, non-profit organizations, and verified public accounts. The main aim of this thesis is the identification and analysis of sentiment trends associated with specific relevant aspects such as emergency responses, infrastructure, governmental policies, humanitarian aid, and general public emotion expressed through the collected tweets that emerged over the post-disaster period. This research employs and compares three distinct methodological approaches which include a BERT-based sentiment classification model pre-trained on Turkish sentiment data, the LLama 3.3 large language model, and finally Google's Gemini large language model. This thesis aims to contribute to the rapidly evolving field of crisis informatics via proposing a replicable framework that leverages both natural language processing (NLP) and large language models (LLMs) to extract actionable valuable insights from social media platforms during large-scale emergency events. Keywords: Aspect-based sentiment analysis, Natural language processing, Large language models (LLMs), Transformer models, Social media analytics, Turkish language processing, Twitter data mining, Crisis informatics, Disaster response, Emergency management, Sentiment analysis.