Sentiment Analysis of Natural Disaster Images Obtained from Social Media: An Experimental Study
Yazarlar (4)
Dr. Öğr. Üyesi Gülcan DEMİR Sinop Üniversitesi, Türkiye
Dr. Öğr. Üyesi Gözde Özsezer Çanakkale Onsekiz Mart Üniversitesi, Türkiye
Doç. Dr. Cüneyt Çalışkan Sağlık Bilimleri Üniversitesi, Türkiye
Hüseyin Ateş Kırşehir Ahi Evran Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayınlanan tam makale)
|
||
| Dergi Adı | Türkiye Klinikleri Sağlık Bilimleri Dergisi | ||
| Dergi ISSN | 2536-4391 | ||
| Dergi Tarandığı Indeksler | TR DİZİN | ||
| Makale Dili | İngilizce | Basım Tarihi | 01-2024 |
| Cilt / Sayı / Sayfa | 9 / 4 / 642–651 | DOI | 10.5336/healthsci.2024-103042 |
| Makale Linki | http://dx.doi.org/10.5336/healthsci.2024-103042 | ||
| UAK Araştırma Alanları |
Halk Sağlığı
|
||
| Özet |
| Amaç: Dünya genelinde doğal afetlerin sıklığı artmaktadır ve sosyal ağlar, görüntülerin duygusal analizi için kritik veri kaynakları hâline gelmiştir. Doğal afetlerle ilgili görüntülerin analizi nispeten yeni bir alandır, bu çalışma ise sosyal medyada paylaşılan görüntülerin uyandırdığı duygusal tepkileri tanımlamayı amaçlamaktadır. Gereç ve Yöntemler: Bu 4 aşamalı çalışmada, çeşitli sosyal medya platformlarından toplam 5.203 ücretsiz ve açıkça erişilebilir görüntü çekildi ve bu görüntülerle ilişkilendirilen duygu kategorileri seçildi. Görseller, ön işleme tabi tutularak RGB formatına dönüştürüldü ve yeniden boyutlandırıldı. Görsel piksellerinin normalizasyonu yapıldı. Görsel duygu analizi için çeşitli derin öğrenme [deep learning (DL)] modelleri incelendi ve performansları metrikler kullanılarak karşılaştırıldı. Daha sonra, en güvenilir sonuçları veren Inception-v3 kullanılarak duygu sınıflandırması yapıldı. Bulgular: Önceden eğitilmiş farklı DL modellerinin performans metrikleri içerisinde en uygun derin öğrenme modeli %81,2 ile Inception-v3 olduğu belirlendi. Görüntülerde tasvir edilen duyguların analizi, 3.741’i (%71,9) negatif olarak sınıflandırılırken, 781’i (%8,0) nötr olarak sınıflandırıldığını ortaya koydu. Sonuç: Bu sonuçlar, sosyal medya verilerinin görsel duygu analizinin, afet müdahale çabalarını önemli ölçüde artırabileceğini göstermektedir. Erken uyarı mesajlarını belirleyerek, afetle ilgili bilgileri güncelleyerek ve kullanıcı tarafından oluşturulan içeriği izleyerek, bu yaklaşım daha etkili veri analitiği ve bilgi yayılımını desteklemektedir. Sonuç olarak, sosyal medyadan duygusal içerik analizinde Inception-v3 gibi ileri derin öğrenme modellerinin kullanılması, değerli içgörüler sağlayabilir ve afet yönetim stratejilerinin verimliliğini ve etkinliğini artırabilir. |
| Anahtar Kelimeler |
| Sosyal medya | yapay zekâ | derin öğrenme | duygu analizi | doğal afet |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| Google Scholar | 1 |