Metin madenciliği ve duygu analizi üzerine bir çalışma: Deprem uygulamaları kullanıcı yorumları

Türkiye, jeolojik yapısı itibarıyla deprem riski yüksek bir ülkedir. Özellikle 2023 Kahramanmaraş Depremleri gibi büyük felaketler, toplumda deprem bilincinin arttırılması gerektiğini açıkça ortaya koymuştur. Depremler hem can hem de mal kaybına yol açabilecek potansiyele sahip doğal afetlerdir ve insanlar hayat kurtarma, maddi zararları azaltma, psikolojik olarak hazırlıklı olmak gibi nedenlerle depremleri önceden bilmek isterler. Telefonlardaki deprem uygulamaları da hem erken uyarı sağlamak hem de depremle ilgili bilgileri hızlı ve güvenilir bir şekilde kullanıcılara iletmek için önemli araçlar haline gelmiştir. Kullanıcıların, kullandıkları deprem uygulamaları hakkındaki geri bildirimleri, geri bildirimin taşıdığı duygunun analiz edilerek yorumlanabilmesi için önemli bir veridir. Bu veriler analiz edilerek elde edilen bilgiler ise uygulamanın geliştirilmesi ve kullanıcı deneyiminin iyileştirilmesi açısından uygulama geliştiricileri için oldukça önemlidir. Bu çalışmada, denetimli makine öğrenmesi yaklaşımı kullanılarak en çok yorum alan deprem uygulamalarına yapılan kullanıcı yorumlarının duygu analizi yapılmıştır. Duygu analizi için denetimli makine öğrenmesi sınıflandırma algoritmalarından Naive Bayes, Sıralı Minimal Optimizasyon ve k-en yakın komşu algoritmaları kullanılmıştır. Google Play ve App Store üzerinden Instant Data Scraper veri çıkarma aracı kullanılarak toplanan veriler olumlu, olumsuz ve nötr olarak etiketlenerek sınıflandırılmıştır. Bu çalışmada "veri dağılımının" ve "öznitelik seçiminin" sınıflandırma üzerindeki etkileri WEKA 3.8.6 yazılımı kullanılarak incelenmiştir. Çalışma sonucunda veri kümeleri arasında dengesiz veri kümesinin, dengeli veri kümesinden daha iyi performans sağladığı gözlemlenmiştir. Dengeli veri kümesinde analiz yapılırken öznitelik seçiminin yapılmasının, öznitelik seçiminin yapılmadığı modellere göre kayda değer bir performans değişikliğine neden olmadığı ve dengesiz veri kümesinde analiz yapılırken öznitelik seçiminin yapılmasının, öznitelik seçiminin yapılmadığı modellere göre daha iyi performans gösterdiği gözlemlenmiştir. Dengesiz veri kümesinde öznitelik seçimi yapılarak elde edilen %94,9 sınıflandırma doğruluğu oranı ile en iyi performans gösteren algoritma Sıralı Minimal Optimizasyon olmuştur. Ayrıca elde edilen bulgular, kullanıcıların büyük çoğunluğunun deprem uygulamalarına yönelik memnuniyet düzeyinin görece yüksek olduğunu ve genel kullanıcı deneyiminin pozitif bir eğilim sergilediğini ortaya koymaktadır.