Classification of news about Turkey in the foreign press through text mining

Murat Işık; Emrah Aydemir

Makale detayları

Classification of news about Turkey in the foreign press through text mining

Yazarlar:

Murat Işık | Emrah Aydemir

Yayıncı:

Balıkesir University

Ana Başlıklar:

Bilgi Sistemleri (Diğer) | Duygusal Bilgi İşleme | Makine Öğrenme (Diğer)

Dergi:

Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.27 Issue 2, pp.569-586

Belge Tipi:

Makale

Yayın Tarihi:

7/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001343037

pISSN:

1301-7985

Anahtar kelimeler:

Özet:

 In recent years, many newspapers and news providers have begun presenting their content via web pages or through social media. This shift has led to a massive increase in the volume of news content available, necessitating the analysis and management of this vast information flow. In this study, 8,385 pieces of news content related to Turkey were collected from the web pages of major foreign news content providers, including Fox, The Guardian, BBC, and CNN. While traditional techniques classify news texts into categories based on their content, this study achieved an average accuracy rate of 89.36 by classifying the contents according to eight predefined areas of interest. Moreover, analyses were conducted based on the publication dates of all foreign news content, revealing relationships between the dates of publication and the classified areas of interest. Additionally, sentiment analysis was conducted on the collected foreign news content using the BERT algorithm, which identified the sentiment categories of the contents and examined the perception of Turkey in the foreign press.

 In recent years, many newspapers and news providers have begun presenting their content via web pages or through social media. This shift has led to a massive increase in the volume of news content available, necessitating the analysis and management of this vast information flow. In this study, 8,385 pieces of news content related to Turkey were collected from the web pages of major foreign news content providers, including Fox, The Guardian, BBC, and CNN. While traditional techniques classify news texts into categories based on their content, this study achieved an average accuracy rate of 89.36 by classifying the contents according to eight predefined areas of interest. Moreover, analyses were conducted based on the publication dates of all foreign news content, revealing relationships between the dates of publication and the classified areas of interest. Additionally, sentiment analysis was conducted on the collected foreign news content using the BERT algorithm, which identified the sentiment categories of the contents and examined the perception of Turkey in the foreign press.

 In recent years, many newspapers and news providers have begun presenting their content via web pages or through social media. This shift has led to a massive increase in the volume of news content available, necessitating the analysis and management of this vast information flow. In this study, 8,385 pieces of news content related to Turkey were collected from the web pages of major foreign news content providers, including Fox, The Guardian, BBC, and CNN. While traditional techniques classify news texts into categories based on their content, this study achieved an average accuracy rate of 89.36 by classifying the contents according to eight predefined areas of interest. Moreover, analyses were conducted based on the publication dates of all foreign news content, revealing relationships between the dates of publication and the classified areas of interest. Additionally, sentiment analysis was conducted on the collected foreign news content using the BERT algorithm, which identified the sentiment categories of the contents and examined the perception of Turkey in the foreign press.

 Son yıllarda, birçok gazete ve haber sağlayıcısı içeriklerini web sayfaları ve sosyal medya aracılığıyla sunmaya başlamıştır. Bu dönüşüm, haber içeriklerinin hacminde büyük bir artışa yol açarak bu geniş bilgi akışının analiz edilmesi ve yönetilmesini zorunlu hale getirmiştir. Bu çalışma kapsamında, Fox, The Guardian, BBC ve CNN gibi büyük yabancı haber sağlayıcılarının web sayfalarından Türkiye ile ilgili 8.385 haber içeriği toplanmıştır. Geleneksel teknikler, haber metinlerini içeriklerine göre sınıflandırırken, bu çalışmada içerikler önceden tanımlanmış ilgi alanlarına göre sınıflandırılarak 89,36lık ortalama bir doğruluk oranı elde edilmiştir. Ayrıca, yabancı haber içeriklerinin yayımlanma tarihleri temelinde yapılan analizler, yayımlanma tarihleri ile sınıflandırılmış ilgi alanları arasındaki ilişkiler ortaya çıkarılmıştır. Bunun yanı sıra, BERT algoritması kullanılarak toplanan haber içeriklerinde duygu analizi gerçekleştirilmiş, içeriklerin duygu kategorileri belirlenmiş ve Türkiyenin yabancı basındaki algısı incelenmiştir.

Makale detayları

Classification of news about Turkey in the foreign press through text mining

Yazarlar:

Murat Işık | Emrah Aydemir

Yayıncı:

Balıkesir University

Ana Başlıklar:

Bilgi Sistemleri (Diğer) | Duygusal Bilgi İşleme | Makine Öğrenme (Diğer)

Dergi:

Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.27 Issue 2, pp.569-586

Belge Tipi:

Makale

Yayın Tarihi:

7/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001343037

pISSN:

1301-7985

sentiment analysis

BERT

text mining

data mining

news analysis

classification of news

relationship between news dates and contentduygu analizi

BERT

metin madenciliği

veri madenciliği

haber analizi

haber sınıflandırması

haber tarihleri ve içerik ilişkisi

Sayı

Makale detayları

Yazarlar: Murat Işık | Emrah Aydemir

Yayıncı: Balıkesir University

Ana Başlıklar: Bilgi Sistemleri (Diğer) | Duygusal Bilgi İşleme | Makine Öğrenme (Diğer)

Dergi: Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.27 Issue 2, pp.569-586

Belge Tipi: Makale

Yayın Tarihi: 7/2025

Belge Dili: İngilizce

Document ID (Org No.): 2001343037

pISSN: 1301-7985

Sayı

Yazarlar:

Murat Işık | Emrah Aydemir

Yayıncı:

Balıkesir University

Ana Başlıklar:

Bilgi Sistemleri (Diğer) | Duygusal Bilgi İşleme | Makine Öğrenme (Diğer)

Dergi:

Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.27 Issue 2, pp.569-586

Belge Tipi:

Makale

Yayın Tarihi:

7/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001343037

pISSN:

1301-7985