IV. International Halich Congress on Multidisciplinary Scientific Research, Ankara, Turkey, 4 - 05 August 2022, pp.125-126
People who spend time on social media platforms share ideas and opinions on many topics by
creating images, text, and videos. One of the platforms where the ideas and opinions about
COVID -19 we met in early 2020 was most effective. Although Twitter posts are short, they
are very effective for shaping public opinion. The goal of this study is to conduct Deep
Learning-based sentiment analysis for COVID -19 posts on Twitter. The proposed algorithm
is based on LSTM-CNN based network and feature weighting developed according to the
attention mechanism. The attention mechanism, in its most basic form, is a mechanism that
allows predictions to be made based on the inputs by giving more weight to certain parts of
the data. This algorithm uses an advanced feature transformation framework through the
attention mechanism. In this study, the data for 2020-2021 and 2022 received through Twitter
were used with a total of six class labels (sadness, joy, fear, anger, surprise, sorrow). Based on
the use of the attention mechanism with the current LSTM-CNN approach, the proposed deep
learning approach has been shown to significantly improve performance measures with a 22%
increase in accuracy and an 11%-13% increase in precision. Compared to existing
approaches, it was found that 42% of the total 245,602 tweets about COVID -19 contained
positive emotions, 31% contained neutral emotions, and 27% contained negative emotions.
This shows that the proposed deep learning approach is efficient and practical, and can be
easily used for emotion classification of COVID -19 studies.
Sosyal medya platformlarında vakit geçiren insanlar görüntüler, metinler, videolar oluşturarak
birçok konuda fikir ve görüş paylaşımlarında bulunmaktadırlar. 2020 yılının başında
tanıştığımız COVID-19 ile alakalı fikir ve görüşlerin en etkili olduğu platformlardan birisi
Twitter oldu. Twitter gönderileri kısa olmasına rağmen kamuoyu oluşturmak için etkilidir.
Bu çalışmada, Twitter üzerinden COVID-19 paylaşımları ile ilgili derin öğrenme yaklaşımına
dayalı duygu analizi çalışması yapılması amaçlanmaktadır. Önerilen algoritma, LSTM-CNN
tabanlı bir ağa ve dikkat mekanizmasına göre geliştirilmiş özellikli ağırlıklandırmaya
dayandırılmaktadır. Dikkat mekanizması en temel haliyle verinin belli bölümlerinin daha çok
ağırlık verilerek girdilere göre tahmin yapılabilmesini sağlayan bir mekanizmadır. Bu
algoritma, dikkat mekanizması aracılığıyla gelişmiş bir özellik dönüştürme çerçevesi
kullanmaktadır. Bu çalışmada, Twitter üzerinden alınan 2020-2021 ve 2022 yıllarına ait
veriler, toplam altı sınıf etiketiyle (üzüntü, sevinç, korku, öfke, şaşırma, sıkıntı) kullanılmıştır.
Mevcut LSTM-CNN yaklaşımıyla dikkat mekanizmasının kullanımına dayalı olarak, önerilen
derin öğrenme yaklaşımı, doğrulukta %22 ve kesinlikte %11 ila %13'lük bir artışla
performans ölçütlerini önemli ölçüde iyileştirdiği görülmüştür. Mevcut yaklaşımlarla
karşılaştırıldığında, COVID-19 ile ilgili toplam 245.602 tweet ‘ten %42’sinin olumlu,
%31’inin tarafsız ve %27’sinin olumsuz duygular içerdiği tespit edilmiştir. Bu, önerilen derin
öğrenme yaklaşımının verimli ve pratik olduğu ve COVID-19 incelemelerinin duygu
sınıflandırması için kolayca uygulanabileceğini göstermektedir.