Bu çalışmanın birinci kısmında leksikonlardan NRC leksikonu örnek teşkil eden vaka çalışması niteliğinde örnek bir uygulama yapılmıştı. Şimdi ise,  “BING”, “AFINN” ve “SYUZHET” leksikonları bir önceki çalışmada kullanılan metin üzerinden örnek bir uygulaması yapılacaktır. Afinn leksikonu  Finn Årup Nielsen, Bing leksikonu ise Bing Liu ve arkadaşları tarafından geliştirilmiş olup, literatürde kendine uygulama alanı bulan leksikonlardır. Syuzhet, Nebraska Dil Bilim Laboratuarında (Nebraska Literary Lab) geliştirilmiş bir duygu sözlüğüdür.

Afinn leksikonunda, negatif ve pozitif kelimeler,  -5 ile +5 arasında ölçeklenir. Bing leksikonunda ise duygular basit bir şekilde negatif ve pozitif olarak sınıflandırılarak skorlanır. 

AFINN Leksikonu

Afinn leksikonundan elde edilen tanımlayıcı istatistikler aşağıda özetlenmiştir.

Elde edilen skorların toplamı 97 olduğundan ve pozitif yönlü olduğundan metinde pozitiflik hissi hakim olduğu söylenebilir. Bunu yukarıdaki tabloda ortalamanın (mean) pozitif yönlü olmasından da anlıyoruz.

Cümle sayılarına elde edilen grafik ise aşağıda gösterilmiştir.

BING Leksikonu

Bing leksikonundan elde edilen toplam skor 25 olduğundan ve pozitif yönlü olduğundan metinde pozitiflik hissi hakim olduğu söylenebilir.

SYUZHET Leksikonu

Syuzhet leksikonuna göre elde edilen tanımlayıcı istatistikler aşağıda özetlenmiştir.

Elde edilen skorların toplamı 97 olduğundan ve pozitif yönlü olduğundan metinde pozitiflik hissi hakim olduğu söylenebilir. Bunu yukarıdaki tabloda ortalamanın (mean) pozitif yönlü olmasından da anlıyoruz.

Çalışmanın 1. ve 2. kısmında, analizi yapılan bütün leksikonlar pozitiflik hissini ortaya koymuştur. Dolayısıyla ortaya konulan sonuçların birbiriyle tutarlı olduğu rahatlıkla söylenebilir.

R’da 27 Şubat 2021 tarihinde duygu analizi üzerine yaptığım “R’da Duygu Analizi Üzerine Vaka Çalışmaları: Case Studies on Sentiment Analysis in R” adlı çalışmaya aşağıdaki linkten ulaşabilirsiniz.

R’da Duygu Analizi Üzerine Vaka Çalışmaları: Case Studies on Sentiment Analysis in R

Yapılan bu çalışmaların, özellikle keşifsel veri analizi (exploratory data analysis), fikir madenciliği (opinion mining) ve nitel araştırma alanına önemli bir katkı sunacağı inancındayım.

Faydalı olması dileğiyle…

Kaynaklar

• Andrew L. LaFave and Elizabeth A. Mainz.(2017). Engaging with the syuzhet: A new methodological approach to analyzing and visualizing internet discourse. Ethnography, Vol 19, Issue 2, pp. 183 – 203. https://doi.org/10.1177/1466138117725339.
• Yoon, S., Parsons, F., Sundquist, K., Julian, J., Schwartz, J. E., Burg, M. M., … Diaz, K. M. (2017). Comparison of Different Algorithms for Sentiment Analysis: Psychological Stress Notes. Studies in Health Technology and Informatics, 245, 1292.
• http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6010
• http://neuro.imm.dtu.dk/wiki/AFINN

https://www.cs.uic.edu/~liub/publications/kdd04-revSummary.pdf

Not: Emeğe saygı adına, yapılan çalışmanın başka bir mecrada ya da ortamda paylaşılması halinde alındığı yer adının belirtilmesini rica ederim.

Saygılarımla.