Tweetlerin metin madenciliği yoluyla teknolojideki kavram sapmasını keşfetme

Son on yılda bilgi kaynakları ve dijital çağda kullanımlarında dramatik bir dönüşüm yaşandı. Sosyal medya ağları, bireylerin duygularını ifade etmenin yeni bir yolunu getirdi. Şirketler, resmi kurumlar ve çeşitli kuruluşların iletişim sitelerinde çeşitli gelişmeleri, ürünleri, görüşleri ve hatta bazen resmi kararları paylaştıkları sayfalar olduğu için konu bazı kişilerin ayrı görüşlerinin ifadesi olmaktan çıkmıştır. Sosyal medya, kullanıcıların çeşitli duygu kategorilerinde sınıflandırılabilen diğer kullanıcıların görüşlerine erişmesine izin veren ve karar vermede yavaş yavaş önemli bir rol üstlenen, çok miktarda bilgi içeren bir ortama dönüşmüştür. Twitter, dünyanın herhangi bir yerinde, her an neler olduğunu açıklamak için oluşturulmuş bir mikroblog hizmetidir. Yaklaşık 1,3 milyar insandan günde 500 milyondan fazla mesaj için büyüleyici bir forum. Twitter verileri kısa, spesifik ve kolay erişilebilirdir, bu nedenle veri akışları madenciliği yoluyla duygusal analiz için en iyi kaynaklardan biri haline gelir. Temelde yatan veri dağılımının zaman içinde değişebilmesi ve bunun sonucunda fikir kayması olgusuna yol açabilmesi, veri akışları madenciliğini etkileyen temel sorunlardan biridir. Bu çalışmada, Twitter veri akışlarında meydana gelen kavram kaymasını keşfetmek ve anlamak için bir yaklaşım sunuyoruz. İki teknoloji ürününe (iPhone 13 ve 14) odaklanan 7K'den fazla tweet'e iki makine öğrenimi tekniği olan Naive Bayes Sınıflandırıcı ve eXtreme Gradient Boosting (XGBoost) Sınıflandırıcı uygulandı ve kavram sapmasını algılamak/anlamak ve bir teknolojide kavram kayması olup olmadığını belirlemek için alan radikal veya artımlı bir yeniliktir.