Derin öğrenmede öznitelik seçim yaklaşımları kullanılarak metin verilerinden covıd-19 aşı karşıtlığı tespiti

COVID-19 pandemisi, dünya genelinde sağlık, ekonomi ve toplumsal yaşamı derinden etkileyen bir krize dönüşmüştür. Bu kriz sırasında aşı karşıtlığı, salgının kontrolü ve aşılama kampanyalarının etkinliği açısından önemli bir engel oluşturmaktadır. Bu çalışmada, derin öğrenme ve öznitelik seçimi yaklaşımlarının birleşimi kullanılarak COVID-19 aşı karşıtlığının metin verilerinden tespiti amaçlanmıştır. Önerilen yöntem, derin öğrenme modeli ile öznitelik seçimi tekniklerinin entegrasyonunu içermekte ve metin verilerindeki önemli öznitelikleri belirleyerek aşı karşıtlığını tanımlamaktadır. Bu çalışma, derin öğrenme modellerinin etkinliğini değerlendirme üzerine de yoğunlaşmaktadır. Tezin hipotezleri arasında, derin öğrenme modellerinin öznitelik seçim yaklaşımlarıyla entegre bir şekilde kullanılmasıyla COVID-19 aşı karşıtlığını doğru şekilde sınıflandırabileceği ve tanımlayabileceği varsayılmaktadır. Kullanılan örneklem, GitHub üzerinden genel erişime açık sunulan ve sosyal medya platformlarından Twitter API kullanılarak oluşturulan COVID-19 ile ilgili ingilizce tweetlerden oluşmaktadır. Örneklem büyüklüğü, geniş bir veri yelpazesini temsil etmek amacıyla 10.000'den fazla metin öğesini içermektedir. Yöntem olarak, öznitelik seçimi için farklı yöntemler, derin öğrenme modeli ve optimizasyon algoritmaları kullanılmıştır. Önerilen yöntem, derin öğrenme modeli ile öznitelik seçimi tekniklerinin entegrasyonunu içermekte ve metin verilerindeki önemli öznitelikleri belirleyerek aşı karşıtlığını tanımlamaktadır. Öznitelik çıkarımı için TF-IDF ve N-gram yöntemleri entegre kullanılmıştır. Veri kümesi iki etiketten oluşmaktadır. Etiketler dengeli olmadığından veri kümesinin dengelenmesi için SMOTE yöntemi uygulanmıştır. Ardından Ki-kare ile öznitelik seçimi gerçekleştirilmiştir. Sınıflandırma işlemi için Derin Öğrenme mimarilerinden LSTM (Uzun Kısa Süreli Bellek) kullanılmıştır. Sınıflandırma analizlerinde veri kümesi, %80 eğitim ve %20 test verisi olarak ayrılmıştır. Önerilen model ile elde edilen sonuçlar, %99.23 doğruluk değeri ve %99.21 F1-skor değeri olmuştur. Bu sonuçlar, COVID-19 aşı karşıtlığının metin verileri üzerinde etkili bir şekilde tespit edilmesi için önerilen yöntemin başarılı bir şekilde kullanılabileceğini göstermektedir. Çalışmanın sonuçları, sağlık politikalarının ve kamuoyu bilgilendirme stratejilerinin geliştirilmesine yönelik değerli bilgiler sunabilmektedir. Çalışmanın bulguları, derin öğrenme ve öznitelik seçimi yöntemlerinin, COVID-19 aşı karşıtlığını tespit etmede etkili bir şekilde kullanılabileceğini göstermektedir. Bu araştırma, sağlık otoritelerine, aşılama kampanyalarını planlarken ve halk sağlığı müdahalelerini tasarlarken, aşı karşıtlığını belirlemede yeni ve güçlü bir araç sunmaktadır.