Türkçe Twitter Verilerinde Duygu Sınıflandırması: Naive Bayes, Svm Ve Lojistik Regresyon Karşılaştırmalı Analizi

Sosyal medya platformları, bireylerin duygu ve düşüncelerini ifade ettikleri önemli dijital ortamlar haline gelmiştir. Bu çalışmada, Türkçe Twitter verileri üzerinde çok sınıflı duygu analizi gerçekleştirilmiş ve üç farklı makine öğrenmesi algoritması (Naive Bayes, Support Vector Machine ve Lojistik Regresyon) karşılaştırılmıştır. Beş farklı duygu kategorisine (korku, mutlu, sürpriz, kızgın, üzgün) göre etiketlenmiş 4000 tweet içeren veri seti, %70 eğitim, %15 doğrulama ve %15 test olmak üzere üç bölüme ayrılmıştır. Twitter verilerinin gürültülü yapısı nedeniyle kapsamlı bir ön işleme süreci uygulanmış; küçük harfe dönüştürme, URL ve mention temizleme, tokenizasyon, durak kelime filtreleme ve lemmatizasyon adımları gerçekleştirilmiştir. Metin verilerinin sayısal temsili için TF-IDF yöntemi kullanılmış ve unigram-bigram kombinasyonu ile maksimum 5000 özellik çıkarılmıştır. Deneysel sonuçlar, SVM modelinin %97.50 F1-skoru ile en yüksek performansı gösterdiğini, ardından Lojistik Regresyon (%97.00) ve Naive Bayes (%95.32) modellerinin geldiğini ortaya koymuştur. Confusion matrix analizi, SVM'nin neredeyse mükemmel sınıflandırma başarısı gösterdiğini, Naive Bayes'te ise negatif duygular arasında küçük karışıklıklar olduğunu ortaya koymuştur. Çalışma, Türkçe sosyal medya metinlerinde duygu analizi için etkili yöntemlerin belirlenmesine katkı sağlamaktadır.