Gizli Dirichlet ayırımı kullanılarak COVID-19 salgını döneminde yayınlanan internet haberlerinin konu modellemesi

Bu tez çalışmasının amacı Koronavirüs Pandemisi sürecinde yayınlanan internet haber metinlerinin üzerinde Gizli Dirichlet Ayırımı (Latent Dirichlet Allocation, LDA, GDA) yapılarak konu modelleme işlemlerinin gerçekleştirilmesi ve sonuçların araştırılmasıdır. Bu amaçla; internet üzerinde yayın yapan 9 farklı haber kaynağında yayınlanan; 10 farklı kategorideki haber metinleri üzerinde araştırmalar yapılmış ve sonuçlar yorumlanmıştır. Ayrıca tez çalışmasında; her bir haberin içeriğinde bulunan tüm kelimelerin köklerinin elde edilmesi aşamasında Türkçe dilini destekleyen bir Doğal Dil İşleme metodu olan Zemberek'ten faydalanılmıştır. Haberlerin bulunduğu her bir kategori için duygusal durum sonucunu ortaya koyan VADER'den yararlanılarak, aylık olarak haberlerin duygusal durumu ortaya çıkarılmıştır. Bu çalışma yapılırken kullanılan veri kümeleri tamamen sıfırdan oluşturulmuş ve ilgili haber mecralarından bu haberler yeni geliştirilen kod yapılarıyla ve botlar vasıtasıyla elde edilmiştir. Çalışmada her bir kategori içerisinde en fazla yer alan konu başlıkları belirlenmiş ve dönemsel olarak bu başlıkların hangi günlük konular ile ilgili olduğu tespit edilmeye çalışılmıştır.