Sentiment analysis of public sensitivity to COVID-19 vaccines on Twitter by majority voting classifier-based machine learning

ABSTRACT

With the rise of social media platforms, which have billions of users around the World, the dissemination of information has become easier than ever. The COVID-19 pandemic has increased the use of social media to discuss many topics, including vaccines. The aim of this study is to analyze public sentiment with Machine Learning of vaccine-related tweets obtained on Twitter in order to better understand the attitudes and concerns of social media users, especially regarding COVID-19 vaccines in Turkey. For this purpose, the majority voting method, which is an ensemble learning method, was developed by comparing the machine learning algorithm used in six different classification tasks and then via Support Vector Machine, XGBoost and Random Forest having the highest accuracy, in the study. Soft Voting method, which is one of the majority voting methods, has reached a success rate of 90.5%, with a higher success rate than both the Hard Voting approach and the other six individual machine learning approaches. With the Soft Voting method, which has the highest accuracy rate, 412,588 daily tweets from 153 days obtained from Twitter were analyzed and the results were reported. The findings of the study are very striking and differ from studies on other countries. As far as we know, this study is the first in Turkey to perform sentiment analysis on COVID-19 vaccines. In addition, the findings of the study show that the proposed method is a valuable and easily applied tool to monitor the sensitivity of COVID-19 vaccines with a sentiment analysis approach via social media. (English) [ FROM AUTHOR] Dünyada milyarlarca kullanıcısı bulunan sosyal medya platformlarının yükselişiyle birlikte bilginin yayılması her zamankinden daha kolay hale gelmiştir. COVID-19 pandemisi aşılar da dâhil olmak üzere birçok konunun tartışılmasında sosyal medya kullanımını artırmıştır. Bu çalışmanın amacı, Türkiye'de, özellikle sosyal medya kullanıcılarının COVID-19 aşılarına ilişkin tutumunu ve endişelerini daha iyi anlamak adına Twitter üzerinde elde edilen aşıyla ilgili tweetlerin makine öğrenmesi ile kamu duyarlılığını analiz etmektir. Bu amaç doğrultusunda çalışma da altı farklı sınıflandırma görevinde kullanılan makine öğrenmesi algoritması karşılaştırılarak en yüksek doğruluk oranına sahip Destek Vektör Makinesi, XGBoost ve Rastgele Orman ile bir kolektif öğrenme yöntemi olan çoğunluk oylama yöntemi geliştirilmiştir. Çoğunluk oylama yöntemlerinden birisi olan Yumuşak Oylama yöntemi hem Sert Oylama yaklaşımından hem de bireysel diğer altı makine öğrenmesi yaklaşımlarından %90,5 ile daha yüksek başarı oranına ulaşmıştır. En yüksek doğruluk oranına sahip olan Yumuşak Oylama yöntemi ile Twitter'dan elde edilen 153 güne ait 412.588 adet günlük tweet analiz edilerek sonuçlar raporlanmıştır. Çalışmanın bulguları son derece çarpıcı olup, diğer ülkeler üzerine yapılan çalışmalardan da farklılık göstermektedir. Bu çalışma bildiğimiz kadarıyla Türkiye'de COVID-19 aşılarına yönelik duygu analizi gerçekleştirilen ilk çalışmadır. Ayrıca çalışma bulguları, önerilen yöntemin sosyal medya üzerinden duygu analizi yaklaşımıyla COVID-19 aşılarına ilişkin duyarlılığı izlemek için değerli ve kolayca uygulanan bir araç olduğunu göstermektedir. (Turkish) [ FROM AUTHOR] Copyright of Journal of the Faculty of Engineering & Architecture of Gazi University / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, is the property of Gazi University, Faculty of Engineering & Architecture and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full . (Copyright applies to all s.)