Analiza tematske politične usmerjenosti slovenskih tvitov

diplomsko delo

Martin Korelič (Author), Marko Robnik Šikonja (Mentor)

Abstract

Družbena omrežja omogočajo prosto javno izražanje političnih mnenj uporabnikov, ki zagovarjajo različna stališča glede aktualnih političnih vprašanj. V diplomski nalogi smo analizirali politično usmerjenost oziroma pristranskost slovenskih uporabnikov na podlagi njihovih objav na družbenem omrežju Twitter. Pri tem smo uporabili metode za obdelavo naravnega jezika. Z uporabo algoritma BERTopic smo poiskali in iz podatkovne množice izluščili različne politično družbene teme in jih uporabili pri analizi sentimenta za klasifikacijo politične usmerjenosti (levo, desno, nevtralno). Opazimo precejšen delež negativnega sentimenta do vseh tem in strank. Količina levo in desno usmerjenih tvitov v političnih temah obeh polov je približno enaka. Zaznamo, da v tvitih po priljubljenosti najbolj izstopata dve stranki, vsaka iz nasprotnega političnega pola.

Keywords

BERT;BERTopic;SloBERTa;politična mnenja;Twitter;analiza sentimenta;univerzitetni študij;diplomske naloge;

Data

Language:	Slovenian
Year of publishing:	2022
Typology:	2.11 - Undergraduate Thesis
Organization:	UL FRI - Faculty of Computer and Information Science
Publisher:	[M. Korelič]
UDC:	004.8:81'322.2(043.2)
COBISS:	129873411
Views:	51
Downloads:	19
Average score:	0 (0 votes)
Metadata:

Other data

Secondary language:	English
Secondary title:	Analysis of topical political stance of Slovene tweets
Secondary abstract:	Social networks allow free public expression of users' political opinions, advocating various views on the current political agenda. In the thesis, we analyzed the political orientation of Slovene users' posts on the Twitter social network. We used the BERTopic algorithm to find and extract political topics from the data and applied sentiment analysis to classify political orientation (left, right and neutral). The results show a significant proportion of negative sentiment towards all topics and parties. The amount of left- and right-leaning tweets on general political topics is approximately equal. We notice that two parties from opposite political poles stand out in tweet popularity.
Secondary keywords:	natural language processing;BERT;BERTopic;SloBERTa;political opinions;Twitter;sentiment analysis;Obdelava naravnega jezika (računalništvo);Računalniško jezikoslovje;Družbena omrežja (internet);Politične vede;Računalništvo;Univerzitetna in visokošolska dela;
Type (COBISS):	Bachelor thesis/paper
Study programme:	1000468
Embargo end date (OpenAIRE):	1970-01-01
Thesis comment:	Univ. v Ljubljani, Fak. za računalništvo in informatiko
Pages:	57 str.
ID:	17052824