Tüm dünyada etkili olan ve küresel bir pandemi özelliği taşıyan COVİD-19 virüsü, Türkiye’de ki turizm tercihleri üzerinde de etkisini göstermiştir. Bu çalışmada, Nisan- Ağustos 2020 tarihleri arasında atılan turizm hahstagli (#turizm) Türkçe twitler üzerinden duygu analizi çalışması yapılmıştır. Veriler Twitter API uygulamasından elde edilmiştir. Bu süreçte toplanan 9678 adet ileti gerekli ön işleme ve dönüştürme süreçleri üzerinden yapılandırılarak 4202 adet olarak analize hazır hale getirilmiş ve iletiler anlamsal açıdan içerdikleri duygu ifadesine göre üç kategoride etiketlenmiştir. Duygu analizi çalışmalarında Makine Öğrenmesi’nin en çok kullanılan yöntemlerinden (algoritmalarından); Lojistik Regresyon Analizi, Karar Ağacı, Multinominal Naive Bayes Analizi, Kümeleme Analizi(k-En Yakın Komşu), Destek Vektör Makineleri ve Rassal Ormanlar kullanılarak sınıflandırma performansları karşılaştırılmış ve en başarılı model olarak 0.66 doğruluk skoruyla Lojistik Regresyon modeli olmuştur. Oluşturulan model geliştirilmeye açık olmakla birlikte tahminlime çalışmalarında kullanıma uygundur.

Anahtar Kelimeler: Turizm, Python, Twitter API, Duygu Analizi, Makine Öğrenmesi

Covid-19 virus which is effective all the world and is a global pandemic also affected tourism choices in Turkey. In this study, sentiment analysis study was conducted over the tourism hahstagli (#turizm) Turkish tweets posted between April and August 2020. The data was obtained from the Twitter API application. 9678 messages collected in this process were structured over the necessary pre-processing and transformation processes and made ready for analysis as 4202 messages, and the messages were labeled in three categories (neutral, positive and negative) according to the emotion expressions they contain.Classification performances were compared using Machine Learning algorithms (Logistic Regression Analysis, Decision Tree, Multinominal Naive Bayes Analysis, Cluster Analysis (k-Nearest Neighbor), Support Vector Machines and Random Forests), which are frequently used in sentiment analysis studies. As a result, Logistic Regression model was found to be the most successful model.

Keywords: Tourism, Python, Twitter API, Sentiment Analysis, Machine Learning