Twitter Covid-19 Verilerinin Derin Öğrenme Yaklaşımı Sunularak, Dikkat Mekanizması Kullanılarak Duygu Analizinin Yapılması

Creative Commons License

Kına E., Biçek E., İnan M., Karaca M.

IV. International Halich Congress on Multidisciplinary Scientific Research, Ankara, Türkiye, 4 - 05 Ağustos 2022, ss.125-126

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: Ankara
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.125-126
  • Van Yüzüncü Yıl Üniversitesi Adresli: Evet

Özet

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.

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.