Bu siteyi kullanarak Gizlilik Politikasını ve Kullanım Koşullarını kabul etmiş olursunuz.
Kabul et
Forty TwoForty Two
  • Hakkımızda
  • Kategoriler
  • Elektrikli Araç (EV)
    Elektrikli Araç (EV)
    “Elektrikli araçlar, şarj teknolojileri ve EV dünyasındaki en son gelişmeler Forty Two’da! Ulaşım ve geleceğin otomobilleri hakkında bilgi edinin.”
    Daha Fazla Göster
    En İyi Haberler
    Cadillac Optiq: Giriş Seviyesi EV Crossover’ların Geleceği
    22 Kasım 2023
    Tesla Cybertruck Makineli Tüfekle Halo'nun Warthog'una Dönüşüyor
    Tesla Cybertruck Makineli Tüfekle Halo’nun Warthog’una Dönüşüyor
    14 Eylül 2024
    En Büyük Ekranlara Sahip Arabalar: 2025’te Gösterge Paneli Sinemaya Dönüşüyor!
    En Büyük Ekranlara Sahip Arabalar: 2025’te Gösterge Paneli Sinemaya Dönüşüyor!
    16 Mayıs 2025
    Son Haberler
    Tesla Supercharger Sırasına, Yüksek Teknolojili Bir Çözüm Getiriyor
    2 Temmuz 2025
    Tesla Robotaksi Hizmetini Austin’de Başlattı
    2 Temmuz 2025
    Yenilenmiş Tesla Model S ve Model X Çıktı! İşte Tüm Yenilikler
    16 Haziran 2025
    Xiaomi YU7 Sahneyi Ele Geçirdi: Tesla’yı Tedirgin Eden Elektrikli SUV
    27 Mayıs 2025
  • Yapay Zeka
    Yapay Zeka
    “Yapay zekâ dünyasındaki en son gelişmeler, makine öğrenimi, derin öğrenme ve AI teknolojileri hakkında detaylı içerikler Forty Two’da!”
    Daha Fazla Göster
    En İyi Haberler
    IDC, Üretken Yapay Zeka Harcamalarının 2027’de 143 Milyar Doları Aşacağını Tahmin Ediyor
    21 Ekim 2023
    Jeff Bezos ve Genel Yapay Zeka Hakkında Düşünceleri
    19 Aralık 2023
    Bu Excel Yapay Zeka Araçları ile Veri Analizini Dakikalar İçinde Halledin
    2 Mayıs 2024
    Son Haberler
    Gemini Video Yükleme Özelliği Tanıtıldı: AI ile Videolarınızı Anında Analiz Edin!
    20 Haziran 2025
    OpenAI Codex’i Tanıttı: Yazılım Geliştirme Şeklimizi Değiştiren AI Kodlama Asistanı
    21 Mayıs 2025
    ChatGPT Model Seçimi Rehberi: 2025’te Projelerinize En Uygun Modeli Bulun!
    10 Mayıs 2025
    Grok AI ile Kitap Kapağı Tasarımı: Yapay Zeka ile Raflarda Öne Çıkın!
    7 Mayıs 2025
  • Film
    FilmDaha Fazla Göster
    En İyi Biyografi Filmleri: Gerçek Hayatların Epik Dramasını Yaşatan 20 Yapım!
    En İyi Biyografi Filmleri: Gerçek Hayatların Epik Dramasını Yaşatan 20 Yapım!
    25 Haziran 2025
    En İyi Dram Filmleri: Sizi Gözyaşlarına Boğacak En İyi 20 Dram Filmi
    En İyi Dram Filmleri: Sizi Gözyaşlarına Boğacak En İyi 20 Dram Filmi
    4 Haziran 2025
    En İyi Yarış Filmleri: Hız ve Dram Arayanlar için 20 Unutulmaz Sinema Şöleni
    En İyi Yarış Filmleri: Hız ve Dram Arayanlar için 20 Unutulmaz Sinema Şöleni
    1 Haziran 2025
    Okulda İzlenebilecek Filmler: Öğretmen ve Öğrenciler için 15 Motivasyon Dolu Film!
    Okulda İzlenebilecek Filmler: Öğretmen ve Öğrenciler için 15 Motivasyon Dolu Film!
    20 Mayıs 2025
    Açlık Oyunları İzleme Sırası: Panem'de Hayatta Kalma Rehberi
    Açlık Oyunları İzleme Sırası: Panem’de Hayatta Kalma Rehberi
    14 Mayıs 2025
  • Ekip
  • İletişim
Okuyorum: NLP ile Twitter (X) Duygu Analizi: Kapsamlı Bir Genel Bakış
Paylaş
Yazı Tipi BoyutlandırıcıAa
Forty TwoForty Two
Yazı Tipi BoyutlandırıcıAa
Arama
  • Anime/Manga
  • Dizi
  • Film
  • Kitap
  • Yapay Zeka
  • Kategoriler
  • Ekip
  • Hakkımızda
  • İletişim
Takip et

Tüm Hakları Saklıdır © 2025 Forty Two

Ana Sayfa > Veri Bilimi > NLP ile Twitter (X) Duygu Analizi: Kapsamlı Bir Genel Bakış
Veri Bilimi

NLP ile Twitter (X) Duygu Analizi: Kapsamlı Bir Genel Bakış

Fatih Ilhan
Son güncelleme: 26 Aralık 2023 18:00
Fatih Ilhan
Fatih Ilhan
Mühendis & SEO Uzmanı
Elektrik-Elektronik Mühendisi ve Forty Two’nun kurucu ortağıyım. Teknoloji, bilim ve anime dünyasından içerikler hazırlıyorum. WordPress ve SEO tutkunu bir içerik üreticisi olarak, burada merakımı sizinle paylaşıyorum!
Takip et:
- Mühendis & SEO Uzmanı
84 Görüntülemeler
Paylaş
8 Dk Okuma
Paylaş

Günümüzün dijital çağında, Twitter gibi sosyal medya platformları paha biçilmez bilgi kaynakları ve kullanıcı etkileşimi için bir merkez haline gelmiştir. Her gün milyonlarca tweet paylaşıldığından, hem işletmeler hem de bireyler için Twitter etkileşiminin dinamiklerini anlamak çok önemlidir. İşte bu noktada Doğal Dil İşleme (NLP) devreye giriyor. Bu blog yazısında, Twitter etkileşimini analiz etmek ve değerli içgörüler elde etmek için NLP tekniklerinden yararlanan bir projeyi inceleyeceğiz.

İçindekiler
NLP ile Twitter (X) Duygu Analizi: Projeye GirişVeri Kümesini İçe Aktarmaİlk olarak veri kümesini içe aktaralım:Verilerin DüzenlenmesiKeşifsel Veri Analizi (EDA)NLP Sentiment Analysis (Duygu Analizi)Test ZamanıEkstra! Konu Modelleme:Sonuç olarak: NLP projesi ve devamı için takipte kalın!KaynakForty Two Veri Bilimi Serisi

Kaggle’da bulunan bir veriseti dikkatimi çekti ve incelemeye başladım. Ardından bir notebook açtım ve şimdi paylaşacağım adımlarla birlikte yeni bir projeye başlamış oldum. Bu sebeple yapmış olduğum işlemleri ve analizleri bu blog yazısında sizinle paylaşmak istedim. Çok vakit kaybetmeden kodlara geçelim.

NLP ile Twitter (X) Duygu Analizi: Projeye Giriş

Keşfetmek üzere olduğumuz proje, NLP kullanarak Twitter etkileşimini ve duygularını analiz etmeye odaklanıyor. Amaç, dil, duyarlılık ve konum gibi farklı faktörlerin Twitter’da kullanıcı katılımına nasıl katkıda bulunduğunu daha iyi anlamaktır. NLP tekniklerinden yararlanarak, mevcut çok sayıda tweetten anlamlı bilgiler çıkarabilir ve işletmelerin sosyal medya stratejilerini optimize etmelerine yardımcı olabilecek kalıpları ve eğilimleri ortaya çıkarabiliriz.

Veri Kümesini İçe Aktarma

Analizimize başlamak için Twitter verilerini içeren veri kümesini içe aktararak başlıyoruz. Bu veri kümesi bize tweet kimliği, hafta içi gün, saat, dil, retweet sayısı, beğeniler ve duyarlılık gibi bilgiler sağlar. Bu veri kümesini analiz ortamımıza yükleyerek verileri keşfetmeye ve analiz etmeye başlayabiliriz.

İlk olarak veri kümesini içe aktaralım:

df = pd.read_csv('/kaggle/input/tweets-and-user-engagement/Twitterdatainsheets.csv')

Şimdi verisetini biraz inceleyelim ve bizi neler beklediğine bakalım:

206295 satır ve 15 sütundan oluşan verisetinin sütun isimleri şu şekilde:

df.columns

Index([‘index’, ‘TweetID’, ‘ Weekday’, ‘ Hour’, ‘ Day’, ‘ Lang’, ‘ IsReshare’, ‘ Reach’, ‘ RetweetCount’, ‘ Likes’, ‘ Klout’, ‘ Sentiment’, ‘ text’, ‘ LocationID’, ‘ UserID’], dtype=’object’)

Verilerin Düzenlenmesi

Yolculuk, manzarayı inceleyerek başlar. Eksik değerleri kontrol ederek araştırmamız için temiz bir temel oluşturuyoruz. Pandas kullanarak, eksik temel değerlere sahip satırları atıyor ve veri setimizi daha temiz bir hale dönüştürüyoruz.

# Define numeric_columns based on the numeric columns in your DataFrame
numeric_columns = ['Hour', 'Day', 'IsReshare', 'Reach', 'RetweetCount', 'Likes', 'Klout', 'Sentiment', 'LocationID']

# Convert numeric columns to appropriate data types using .loc
df_cleaned.loc[:, numeric_columns] = df_cleaned[numeric_columns].apply(pd.to_numeric, errors='coerce')

# Display the data types after conversion
print("\nData Types after conversion:")
print(df_cleaned.dtypes)

# Check for missing values again
missing_values_cleaned = df_cleaned.isnull().sum()
print("\nMissing Values after cleaning:")
print(missing_values_cleaned)

Keşifsel Veri Analizi (EDA)

NLP analizine geçmeden önce, veri kümesinin özelliklerini anlamak için keşifsel veri analizi yapmak çok önemlidir. Erişim, retweet sayısı ve duyarlılık gibi değişkenlerin dağılımını inceleyerek analizimizi etkileyebilecek aykırı değerleri veya anormallikleri tespit edebiliriz. Görselleştirmeler ve istatistiksel özetler aracılığıyla veri kümesinin genel yapısı hakkında fikir edinebilir ve herhangi bir örüntü veya korelasyonu belirleyebiliriz.

İlk hedefimiz: kullanıcıların tweet’lerle nasıl etkileşim kurduğunu anlamak. Erişim, retweet sayısı ve beğeniler gibi etkileşim metriklerini araştırıyoruz. Seaborn ve matplotlib, korelasyonları, çift grafikleri ve hatta saatlik ve günlük analizleri görselleştirmek için güçlerini birleştiriyor.

import matplotlib.pyplot as plt
import seaborn as sns

# Basic statistics for numeric columns
numeric_stats = df_cleaned[numeric_columns].describe()
print("Basic Statistics for Numeric Columns:")
print(numeric_stats)

# Subsample the data (adjust n as needed)
df_subsample = df_cleaned.sample(n=5000)

# Correlation heatmap for numeric columns
plt.figure(figsize=(12, 8))
sns.heatmap(df_subsample[numeric_columns].corr(), annot=True, cmap='coolwarm', linewidths=.5)
plt.title('Correlation Heatmap for Numeric Columns (Subsample)')
plt.show()

# Pairplot for numeric columns
sns.pairplot(df_subsample[numeric_columns])
plt.suptitle('Pairplot for Numeric Columns (Subsample)', y=1.02)
plt.show()
NLP ile Twitter (X) Duygu Analizi: Kapsamlı Bir Genel Bakış


Görselleştirmelerimiz ilgi çekici bağlantıları ortaya çıkarıyor. Belirli tweetlerin viral olma olasılığı daha mı yüksek? Etkili kullanıcılar belirli etkileşim kalıpları sergiliyor mu? Cevaplar ortaya çıkardığımız kalıplarda yatıyor.

NLP Sentiment Analysis (Duygu Analizi)

Duygu analizi, Twitter etkileşim analizinin bir diğer önemli bileşenidir. Tweetlerin duyarlılığını analiz ederek, Twitter kullanıcılarının belirli bir konu, ürün veya etkinliğe yönelik genel duyarlılığını ölçebiliriz. NLP teknikleri, tweetleri olumlu, olumsuz veya nötr olarak sınıflandırmamıza olanak tanıyarak kullanıcı duyarlılığı ve algısı hakkında değerli bilgiler sağlar.

Tweetlerin ardındaki duyguyu anlamadan hiçbir keşif tamamlanmış sayılmaz. Duygu analizi için NLTK ve VADER’in gücünden yararlanarak metni duygu puanlarına dönüştürüyoruz.

İlk önce ‘nltk’ kütüphanesini indirelim ve modelimizi kuralım:

pip install nltk
import nltk
from nltk.sentiment.vader import SentimentIntensityAnalyzer

# Download the VADER lexicon for sentiment analysis
nltk.download('vader_lexicon')

# Initialize the SentimentIntensityAnalyzer
sia = SentimentIntensityAnalyzer()

# Analyze sentiment for each tweet
df_cleaned['SentimentScore'] = df_cleaned['text'].dropna().apply(lambda x: sia.polarity_scores(x)['compound'])

# Visualize sentiment distribution
plt.figure(figsize=(10, 6))
sns.histplot(df_cleaned['SentimentScore'], bins=30, kde=True)
plt.title('Distribution of Sentiment Scores in Tweets')
plt.xlabel('Sentiment Score')
plt.ylabel('Frequency')
plt.show()
NLP ile Twitter (X) Duygu Analizi: Kapsamlı Bir Genel Bakış

Bu kod hücresi, VADER (Valence Aware Dictionary and sEntiment Reasoner) duygu analizi aracını kullanarak tweetlerin duygu analizine odaklanmaktadır. Kodun her bir bölümünü inceleyelim:

VADER Sözlüğünü indirin:

nltk.download(‘vader_lexicon’) satırı, NLTK kütüphanesi tarafından kullanılan önceden oluşturulmuş bir duygu analizi sözlüğü olan VADER sözlüğünü indirir.

SentimentIntensityAnalyzer’ı başlatın:

NLTK’nın VADER modülünden SentimentIntensityAnalyzer başlatılır. Bu analizör, belirli bir metin için bileşik bir duyarlılık puanı sağlar.

Duygu Analizi:

Her tweet’in duyarlılığı VADER duyarlılık analizörü kullanılarak analiz edilir. Bileşik duyarlılık puanı, sia.polarity_scores(x)[‘compound’] uygulanarak her bir tweet metni için elde edilir.

Duygu Dağılımını Görselleştirin:

Tweetlerdeki NLP duyarlılık puanlarının dağılımını görselleştirmek için Seaborn (sns.histplot) kullanılarak bir histogram oluşturulur. X ekseni duyarlılık puanlarını, y ekseni ise belirli bir duyarlılık puanına sahip tweetlerin sıklığını temsil eder. Başlık, xlabel ve ylabel, grafiğin daha iyi yorumlanması için ayarlanmıştır.

Test Zamanı

Şimdi yapmış olduğumuz duygu analizini test etme zamanı. Bunun için belirli bir index vererek o indesx’teki tweet’in negatif, pozitif ve nötr olup olmadığını göreceğiz. Bunun için kodumuzu yazalım:

Belirli Bir Tweet Seçin:

specific_tweet_index değişkeni belirli bir dizin değerine ayarlanmıştır. Bu değeri analiz etmek istediğiniz tweetin indeksi olarak değiştirebilirsiniz.

Belirli Tweetin Metnini Alın: Ben 302. İndex tweet’i aldım.

Hadi birkaç test daha yapalım:

32.index tweet’imizi aldım ve şimdi analiz edelim. Bu kodda yazmış olduğum farklılık ise duygu skorunun yanında pozitif, negatif veya nötr olduğunu kelime ile ifade etmesidir.

Son deneme 😊

22588.index’e sahip tweet seçildi. Şimdi bakalım bu tweet’in duygu skoru ne imiş?

Ekstra! Konu Modelleme:

Şimdi de Gensim ile birlikte hangi kelimelerin ya da konu başlıklarının topic olduklarını bulalım.

İlk olarak kütüphanemizi indiriyoruz

Ardından modelimizi kuralım:

Bu kod hücresi, Latent Dirichlet Allocation (LDA) kullanarak tweet metinleri üzerinde Konu Modellemesi yapmaktan sorumludur.

Konuları ve Anahtar Kelimeleri Görüntüleyin:

topics = lda_model.print_topics(num_words=5): Konuları ve bunlarla ilişkili anahtar kelimeleri alır. Her konuyu en iyi 5 anahtar kelimeyle birlikte yazdırır.

Sonuç olarak: NLP projesi ve devamı için takipte kalın!

Bu bölüme kadar yazımı okuduğunuz için teşekkürler. Günden güne daha kapsamlı ve büyük projeler yapacağım. Bazılarını buradan sizlerle paylaşacak, görüşlerinizi ve önerilerinizi alacağım. Yeni yıla doğru yaklaşırken veri alanında yeni çalışmalar, kitaplar, podcastler ve yayınları inceleyecek ve hoşuma giden bölümleriz sizlerle buradan paylaşacağım. Bu sebeple Forty Two websitesini takip etmeyi lütfen unutmayın. Kaynak bölümünde projemin kaggle linkini bulabilirsiniz. Teşekkürler, sağlıklı günler dilerim!

Kaynak

  • Kaggle Notebook
  • Kaggle Dataset

Forty Two Veri Bilimi Serisi

    ETİKETLER:#Dataanalysis#datascience#datavisualizations#Duyguanalizi#EDA#fortytwo#fortytwofficial#NLP#NLTK#proje#Python#SentimentAnalysis#Twitter#X
    Bu İçeriği Paylaş
    Pinterest LinkedIn Reddit Bluesky Bağlantıyı Kopyala Yazdır
    BU İÇERİĞE EMOJİYLE TEPKİ VER
    0
    0
    0
    0
    0
    0
    0
    Fatih Ilhan
    Mühendis & SEO Uzmanı
    Takip et:
    Elektrik-Elektronik Mühendisi ve Forty Two’nun kurucu ortağıyım. Teknoloji, bilim ve anime dünyasından içerikler hazırlıyorum. WordPress ve SEO tutkunu bir içerik üreticisi olarak, burada merakımı sizinle paylaşıyorum!
    Önceki İçerik Kuantum Fenomenlerinin Gücünden Yararlanma: Batarya Şarjına Yeni Bir Yaklaşım
    Sonraki İçerik VIBES: Yutulabilen Bir Cihazdan Gelen Titreşimler Kilo Vermenize Nasıl Yardımcı Olabilir?
    Yorum yapılmamış Yorum yapılmamış

    Bir yanıt yazın Yanıtı iptal et

    E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

    Sosyal Medya'da Forty Two

    XTakip et
    PinterestPin
    InstagramTakip et
    LinkedInTakip et
    BlueskyTakip et

    Reklam

    Son Yazılar

    Soham Parekh: Aynı Anda Dört Farklı Start-Up'ta Çalışan Adamın Hikayesi Viral Oldu!
    Soham Parekh: Aynı Anda Dört Farklı Start-Up’ta Çalışan Adamın Hikayesi Viral Oldu!
    İş Hayatı Podcast
    6 Temmuz 2025
    Michael Scofield: Dövmelerden Kaniel Outis’e Efsanevi Bir Hikaye!
    Michael Scofield: Dövmelerden Kaniel Outis’e Efsanevi Bir Hikaye!
    Dizi
    6 Temmuz 2025
    Tesla Supercharger Sırasına, Yüksek Teknolojili Bir Çözüm Getiriyor
    Tesla Supercharger Sırasına, Yüksek Teknolojili Bir Çözüm Getiriyor
    Elektrikli Araç (EV)
    2 Temmuz 2025
    Sessiz Devrim: Yapay İnsan DNA Projesi Hayatın Kodunu Yeniden Yazıyor
    Sessiz Devrim: Yapay İnsan DNA Projesi Hayatın Kodunu Yeniden Yazıyor
    Bilim Podcast
    2 Temmuz 2025

    Bunları da Beğenebilirsin!

    Yenilenebilir Enerji

    Agrivoltaik Sistemler Yarı Kurak Bölgelerde Yem Kalitesini Nasıl Artırabilir?

    13 Aralık 2023
    BilimUzay

    James Webb yakaladı: Bizden 33 Milyar Işık Yılı Uzakta

    15 Kasım 2023
    Bilim

    Nitinol: Mars’a Yolculukta Yeni Kapılar Açıyor

    4 Ekim 2023
    Bilim

    Pisagor ‘dan Yüzyıllar Önce Babil Haritacıları Ünlü Teoremini Nasıl Uyguladılar?

    22 Aralık 2023

    Forty Two ile hayatın, evrenin ve her şeyin sırrını keşfetme yolculuğu.

    • X
    • Instagram
    • LinkedIn
    • Pinterest
    • Bluesky

    Kategoriler

    • Anime/Manga
    • Bilim
    • Dizi
    • Kitap
    • Teknoloji

    Faydalı Linkler

    • Hakkımızda
    • Çerez Politikası
    • Gizlilik Politikası
    • Sponsorluk
    • İletişim

    Son Yazılar

    • Soham Parekh: Aynı Anda Dört Farklı Start-Up’ta Çalışan Adamın Hikayesi Viral Oldu!
    • Michael Scofield: Dövmelerden Kaniel Outis’e Efsanevi Bir Hikaye!
    • Tesla Supercharger Sırasına, Yüksek Teknolojili Bir Çözüm Getiriyor

    Tüm Hakları Saklıdır © 2025 Forty Two

    Kullanıcı Adı veya E-posta Adresi
    Şifre

    Parolanızı mı unuttunuz?