Twitter verileri kullanılarak koronavirus aşıları hakkındaki kamu algısının zaman içindeki değişiminin yapay zeka destekli duygu analizi ile incelenmesi

Abstract

Sosyal medya verileri artık günümüzde organik olarak gerçekçi duygu analizleri yapmak için bir çok imkan sağlamaktadır. Bunlardan bir tanesi de insanların bir konu hakkında nasıl hissettiklerini keşfetmek için sayısız Twitter mesajından anlamlı duygu ayrımları yapmaktır. Kovid19 tam olarak anlaşılamayan bilimsel ve tıbbi olarak yeni bir hastalıktır. Bu hastalığa karşı geliştirilen aşılar hakkında insanlar fikir ayrılığına düşmüş durumdadır.Bu çalışmada Twitter kullanıcıları tarafından İngilizce dilinde yayınlanan Kovid19 aşılarına ilişkin mesajlara göre kamu algısı analiz edilmiştir.Twitter mesajları genelde kısa uzunlukta olmakta, emojiler, ironiler ya da çeşitli imla hataları içerebilmektedir. Bu nedenle yapılan analizlerden doğru sonuçlar alabilmek için analiz öncesi verilerin işlenmesi gerekmektedir. Doğal dil işleme algoritmaları ve Python yazılım dili kullanılarak Colab ortamında bir model geliştirilmiştir. Bu model yardımıyla veriler analize uygun hale getirilmiştir. Daha sonra bu veriler üzerinde VADER duygu analizi, zaman serisi analizi ve BERT makine öğrenmesi analizi uygulanmıştır. Aynı koşullar altında ulaşılan sonuçlar ve bu sonuçlara ait çıktılar sunulmuştur.

As of today, social media data provides great opportunities and supports us to study on realistic sentiment analysis with real life data. One of the sentiment analysis is to put forward meaningful sentiment distinctions from many Tweets to explore how people feel about an issue or a topic. Covid-19 is a new disease that is not yet fully understood. People are divided about vaccination developed against this disease.In this study, an analysis was conducted on the trend of public perception over time by using Twitter messages published in English regarding Covid-19 vaccines.Tweets are generally short in length and may contain emoticons, ironies, allusions or various spelling mistakes in written messages. From this perspective, it is hardly requirement to process the data before the analysis in order to get accurate results from the data analysis. A model was developed in the Google Colab environment using natural language processing algorithms and Python software language. The data were maintained for the analysis with the help of this model. Later on, VADER sentiment analysis, time series analysis and BERT machine learning analysis were applied on these data. The results obtained under the same conditions totally and the outputs of the results are presented.