Veri madenciliği algoritmalarına dayalı olarak sosyal medya üzerinden mobilya seçimindeki yönelimlerin belirlenmesi: Twitter örneği

Abstract

İnternet kullanımındaki artışa paralel olarak dünyanın farklı noktalarındaki insanlar farklı konulardaki duygu ve düşüncelerini sosyal medyalar aracılığıyla kolay bir şekilde aktarabilmektedirler. Bu sosyal medyalar içerisinde önemli bir yere sahip olan Twitter vasıtasıyla küresel ölçekte her gün çeşitli konularda milyonlarca mesaj yazılmakta ve okunmaktadır. Firmaların rekabet gücünü artırmak açısından tüketici davranışlarını anlamak önemli bir konu iken Twitter gibi büyük veri kaynakları, davranışların analiz edilebilme yöntemlerini çok yönlü ele almaktadır. Aynı zamanda gelişmiş ülkeler güç sahibi olmak için veri madenciliği projelerine önemli kaynaklar ayırmaktadır. Çalışmada veri madenciliği algoritmaları kullanılarak mobilya tercihindeki eğilimleri belirlemek için bir sosyal medya ağı olan Twitter’da yapılan ilgili paylaşımlar değerlendirmeye alınmıştır. Bu kapsamda Rapidminer ve doğal dil işleme yazılımları kullanılarak içinde mobilya geçen popüler tweetler Mayıs 2018-Şubat 2019 tarihleri arasında on ay boyunca toplanmış ve doğal dil işleme yazılımları sayesinde tweetlerin duygu durumları (pozitif ve negatif) belirlenmiştir. Daha sonra pozitif ve negatif tweetlerde geçen anahtar kelimelerin morfolojik analizleri gerçekleştirilmiştir. Son olarak veri madenciliğinde kullanılan karar ağacı ve birliktelik algoritmalarından faydalanarak anlamlı bilgiler elde edilmiştir. Karar ağacı algoritmasına göre pozitif veya negatif duyguların oluşumunda itiraz, kampanya, keşfetmek ve fikir gibi kelimelerin baskın olduğu belirlenmiştir. Birliktelik algoritması sonucunda ise en pozitif duyguları uyandıran kelimelerin sipariş ile yapılmış, fırsat ve ahşap gibi ifadeler olduğu tespit edilmiştir. Aynı algoritmada en negatif duyguları uyandıran kelimeler ise kasvet, keyifsiz, rahatsız ve kumaş olarak sıralanmıştır.

In parallel with the increase in internet usage, people from different parts of the world can easily convey their thoughts and feelings on social issues through social media. Millions of messages are written and read every day on various topics on a global scale through Twitter, which has an important place in these social media. While it is important to understand consumer behaviors in order to increase the competitiveness of firms, big data sources such as Twitter have multi-faceted the methods of analyzing behaviors. At the same time, developed countries allocate significant resources to data mining projects in order to have power. The use of Twitter and data mining as an alternative data source to identify trends in furniture choice has been proposed. The popular tweets with furniture using the Rapidminer and natural language processing software were gathered for ten months between May 2018 and February 2019, and natural language processing software enabled us to determine the mood of the tweets (positive and negative). Morphological analysis of the keywords in positive and negative tweets was then performed. Finally, meaningful information was obtained by utilizing the decision tree and association algorithms used in data mining. According to the decision tree algorithm, the most dominant words in the formation of positive or negative emotions were the challenge, campaign, discover and idea. As a result of the syntax of association, the most positive emotions were made with the order of words that awaken the emotions, and the opportunity was found as wood. In the same algorithm, the words that awaken the most negative emotions were listed as gloom, seedy, uncomfortable and fabric.