BiGRU-CNN Tabanlı Derin Öğrenme Modeliyle Türkiye’deki Covid-19 Aşılarına Yönelik Twitter Duygu Analizi

Abstract

Günümüzde, sosyal medya platformları duyguları ifade etmenin en iyi yoludur. Yaklaşık iki yıldır, Covid-19 yeni koronavirüs salgının ortaya çıkması tüm dünyada olduğu gibi ülkemizde de insanların üzerinde benzeri görülmemiş karmaşık duygular yarattı. Covid-19’a karşı aşı çalışmalarının başlamasından sonra insanların duyguları daha karmaşık hale geldi. Daha yakın zamanda, Covid-19’un Delta, Omicron vb. varyantlarının çıkması da toplumda yeniden büyük bir korku yarattı. İnsanlar, bu süreçte duygu ve düşüncelerini paylaşmak üzere Twitter gibi sosyal medya araçlarına yöneldi. Twitter’da duygu analizi yapmak çok önemli ve zorlu bir görevdir. Bu çalışmada amacımız, derin öğrenme mimarilerinin gücünden faydalanarak Türk halkının aşılama süreciyle ilgili farklı duygularını araştırmak ve halkın mevcut aşılama girişimlerine yönelik tepkilerine genel bir bakış sunmaktır. Çalışmada, Twitter’da 16 Haziran 2021 ve 18 Eylül 2021 arasında paylaşılan Türkçe tweetler toplanmıştır. İnsanların her türden aşılarla ilgili duyguları, doğal dil işleme (NLP) aracı olan TextBlob kullanılarak değerlendirildi. Daha sonra, duygu sınıflandırması için yeni bir model önerildi. Önerilen model, Glove kelime gömme vektörüyle tek katmanlı Çift-yönlü Geçitli Tekrarlayan Birim (Bi-GRU) ve Evrişimli Sinir Ağı (CNN) modelini kullanan BiGRU-CNN modelidir. Önerilen yöntemin deneysel sonuçları en son modellerle kıyaslandığında umut vericidir. Bu çalışma, halkın COVID-19 aşıları hakkındaki görüşlerinin anlaşılmasını geliştirmekte ve koronavirüsü dünyadan yok etme hedefini desteklemektedir.