Twitter duygu analizinde terim aðýrlýklandýrma yönteminin etkisi

Terim aðýrlýklandýrma, metin sýnýflandýrmada sonuçlar üzerinde doðrudan etkili olan önemli bir adýmdýr. Ancak, bir metin sýnýflandýrma problemi olarak ele alýnan duygu analizinde farklý öniþleme tekniklerine baðlý olarak aðýrlýklandýrma yönteminin davranýþý deðiþebilmektedir. Bu çalýþmada bilgi getirimi, metin sýnýflandýrma, doküman filtreleme gibi farklý çalýþma alanlarý için yakýn zamanda önerilen yöntemler Twitter duygu analizinde uygulanmýþ ve sonuçlar üzerindeki etkisi incelenmiþtir. Öznitelikler çýkarýlýrken kelime torbasý (BoW) ve karakter seviye N-gram olmak üzere iki farklý model kullanýlmýþtýr. Deneyler Türkçe ve Ýngilizce Twitter mesajlarýndan oluþan veri kümeleri üzerinde uygulanmýþtýr. Twitter mesajlarýnýn duygu sýnýflandýrmasý, Gizli Dirichlet Atamasý (LDA) tabanlý konu modeli ile gerçekleþtirilmiþtir. Sýnýflandýrma aþamasýnda ise Destek Vektör Makinesi (SVM) algoritmasý kullanýlmýþtýr. Deneysel sonuçlara göre, Twitter duygu analizi çalýþmalarýnda kullanýlabilecek en etkili terim aðýrlýklandýrma yöntemi önerilmiþtir.

The impact of term weighting method on Twitter sentiment analysis

Term weighting is an important step which has direct impact on the result in classical text classification. However, the behavior of the term weighting method may vary depending on different preprocessing techniques in sentiment analysis which considered as a text classification task. In this study, term weighted methods which are newly proposed for various research areas such as information retrieval, text classification and document filtering, performed to investigate effect on results for Twitter sentiment analysis. In feature extraction phase, two different models are used including Bag of Words (BoW) and character level N-gram. The experiments conducted on data sets consist of Turkish and English Twitter feeds. Sentiment classification of Twitter feeds performed using topic model generated with Latent Dirichlet Allocation (LDA) method. The Support Vector Machine (SVM) algorithm is employed in the classification stage. According to the experimental results, the most effective term weighting method that can be used in Twitter sentiment analysis studies is suggested.