Sentiment analysis on Twitter: A text mining approach to the Syrian refugee crisis

استفاده از رسانه های اجتماعی تبدیل شده است بخشی جدایی ناپذیر از روال روزانه در جامعه مدرن است. پورتال های رسانه های اجتماعی سیستم عامل های قدرتمندی را ارائه می دهند که مردم می توانند آزادانه نظرات و احساسات خود را در مورد موضوعات مختلف با جمعیت های زیادی به اشتراک بگذارند. در مطالعه فعلی، ما نظرات و احساسات عمومی را نسبت به بحران پناهندگان سوری مورد بررسی قرار داده ایم که میلیون ها نفر را تحت تاثیر قرار داده است و در رسانه های اجتماعی در سراسر جهان تبدیل شده است. برای تجزیه و تحلیل احساسات عمومی در مورد موضوع در توییتر، ما جمع آوری 2381،297 توییت های مربوط به دو زبان، از جمله ترکی و انگلیسی. احساسات ترکیه مهم به نظر می رسد زیرا ترکیه از بیشترین تعداد پناهندگان سوری استقبال می کند و توییت های ترکیه اطلاعاتی را ارائه می دهد که برای اولین بار به طور عمومی ادراک عمومی یک کشور میزبان پناهنده را نشان می دهد. ما تجزیه و تحلیل احساسات مقایسه ای از تویت های بازیابی را انجام دادیم. نتایج نشان داد که احساسات در ترتیب ترکیه به طور قابل توجهی متفاوت از احساسات در توییت های انگلیسی بود. ما متوجه شدیم که توییتهای ترکیه احساسات مثبتی نسبت به سوری ها و پناهندگان نسبت به احساسات خنثی و منفی داشته اند، با این حال احساسات توییت تقریبا به طور مساوی میان سه دسته اصلی توزیع شده است. از سوی دیگر، بزرگترین تعداد توییت های انگلیسی با یک حاشیه قابل توجه شامل احساسات بی نظیر بود که منجر به احساسات منفی شد. در مقایسه با نسبت احساسات مثبت در ترتیب ترکیه، 35 درصد از کل ترتیبات ترکیه، نسبت تویت های انگلیسی دارای احساسات مثبت و مثبتی نسبت به سوری ها و پناهندگان بود که تنها 12 درصد از همه توییت های انگلیسی بود.