Teknoloji kullanımın her geçen gün artmasıyla birlikte sosyal medya ve internet kullanımı hızlayaygınlaşmaktadır. Özellikle sosyal medya kullananların sayısının artmasıyla insanlar duygu ve düşüncelerini, gündemleilgili görüş ve fikirlerini sosyal medya araçlarını kullanarak paylaşmaktadır. En çok kullanılan sosyal medya araçlarındanbiri olan Twitter ve Facebook gibi sosyal ağ uygulamalarında paylaşılan içerikler yapısal olmayan veri türleridir. Bunungibi yapısal olmayan metin içerikli verilerin yapısal hale dönüştürülmesinde ve analiz edilmesinde metin madenciliğiyöntemleri kullanılmaktadır. Bu çalışmada, 24 Haziran Cumhurbaşkanlık ve Milletvekili Seçimlerinde ‘Tamam’ ve’Devam’ etiketleriyle atılan tweetler metin madenciliği yöntemleri kullanılarak analiz edilmiştir. Metin ön işlemaşamasında kelimelerin köklerini bulmak için Zemberek kök bulma yöntemi ve ağırlıklandırma yöntemi olarak ise terimfrekansı (TF) ağırlıklandırma yöntemi uygulanmıştır. Oluşturulan sınıflar arasındaki ilişkiyi ölçmek amacıyla korelasyonanalizi yapılmıştır. Kruskal Wallis Testi ile frekans terim ağırlıklarının sınıflara göre farklılığı test edilmiştir. Elde edilenözelliklerin terim frekansı (TF) değerlerine göre kelime bulutları oluşturulmuştur.
As the use of technology increases day by day, the use of social media and internet is rapidly spreading. Especially with the increasing number of people who use social media, people share their feelings and thoughts, opinions and ideas about the agenda by using social media tools. Contents that is shared in social network applications like Twitter and Facebook, one of the most used social media tools, are non-structural data types. Text mining methods are used to transform non-structured textual data such as these into structured and analyze data. In this study, the tweets shared with the tags 'Tamam' and 'Devam' in the 24 June Presidential and Parliamentary Elections were analyzed using text mining methods. The Zemberek stemming method were used to find words root and the term frequency (TF) weighting method were used as the weighting method at text pre-processing stage. Correlation analysis was performed to measure the relationship between the created classes. With Kruskal Wallis Test, the frequency term weights were tested according to the classes. Word clouds was formed according to the term frequency (TF) values of the obtained features.
