Social Media Sentiment Analysis Classification Leveraging Hybrid Deep Learning Methods

3rd International Conference on Innovative Academic Studies, Konya, Türkiye, 26 - 28 Eylül 2023, cilt.7, sa.9, ss.691-698

Yayın Türü: Bildiri / Tam Metin Bildiri
Cilt numarası: 7
Basıldığı Şehir: Konya
Basıldığı Ülke: Türkiye
Sayfa Sayıları: ss.691-698
Gazi Üniversitesi Adresli: Evet

Sosyal medya platformları, kullanıcıların çeşitli ürünler, hizmetler ve organizasyonlar hakkındaki görüş ve duygularını ifade etmek için en popüler platformlardan biridir. Bu çalışma, sosyal medya platformlarındaki metinler üzerinden duygu analizi yapabilen ve başarıyla çalışan modelleri sunmaktadır, bunun için hibrid derin öğrenme yöntemleri kullanılmıştır. Önerilen modeller, Kaggle platformundan elde edilen "U.S. Airline Dataset" veri setine uygulanmıştır. Metin temizleme aşamasının ardından, veri kümesine BERT embeddings uygulanmıştır. Elde edilen ön-işlenmiş veri kümesi, CNN-GRU, BiLSTM-GRU ve RNN-GRU olmak üzere üç derin öğrenme tabanlı hibrid algoritmanın eğitiminde kullanılmıştır. Deneysel sonuçlar, en iyi sonucun CNN-GRU modeli ile elde edildiğini göstermiş olup doğruluk oranının 0.79, F-Skorunun ise 0.79 olduğu tespit edilmiştir.

Social media platforms are one of the most popular platforms for users to express their opinions and sentiments concerning various products, services, and organizations. This study presents the modelsthat can successfully analyze sentiment through text onsocial media platforms using hybrid deep learning methods. The proposed models were applied tothe "U.S. Airline Dataset" obtained from the Kaggle platform. After the text cleaning phase, the BERT embeddings were implementedonthe dataset. The resulting preprocessed data set was used in the training of three deeplearning-based hybrid algorithms, namely, CNN-GRU, BiLSTM-GRU, and RNN-GRU. The experimental results revealed that the best resultwas achieved by the CNN-GRU model, with an accuracy of 0.79and an F-Score of 0.79.