Update 6

This week I primarily worked on data analysis. To start the analysis I first concatenated all of my text data to a string array. Then utilizing the nltk library- which is a library commonly used for text processing- I tokenized my text. This was helpful because the data contained a lot of emojis and random characters. After that, I wanted to obtain the most frequent words that appear in my text so that I can assign sentiment values.

Unfortunately, I decided not to move forward with the pre-set Turkish sentiment analysis tools, because they haven’t yielded accurate representations of colloquial Turkish phrases. The project I am working on requires sentiment scores for colloquial phrases as it is sourced from the comments section of an e-commerce website.

After tokenizing the text and getting the single word frequencies, I decided that it would be a good approach to also look at longer expressions consisting of 2-3 words as well. Since many single word phrases don’t give out a clear sentiment. Hence, I obtained bigrams and trigrams again using the nltk library.

Here are the top 50 words that appear in my text corpus:

 # Unigram Frequencies
 [('çok', 130),
 ('.', 114),
 ('güzel', 93),
 ('geldi', 55),
 (',', 40),
 ('bir', 37),
 ('aldım', 36),
 ('Çok', 35),
 ('ve', 34),
 ('ederim', 32),
 ('ürün', 31),
 ('iyi', 28),
 ('gibi', 25),
 ('Ülker', 25),
 ('lezzetli', 21),
 ('teşekkür', 21),
 ('hediye', 20),
 ('kargo', 20),
 ('paket', 20),
 ('olarak', 19),
 ('teşekkürler', 19),
 ('için', 19),
 ('beğendim', 18),
 ('ama', 17),
 ('tarihi', 17),
 ('tavsiye', 16),
 ('harika', 16),
 ('daha', 16),
 ('tek', 15),
 ('tadı', 15),
 ('bu', 14),
 ('çikolata', 14),
 ('son', 14),
 ('uygun', 13),
 ('hızlı', 13),
 ('gayet', 13),
 ('kalitesi', 13),
 ('kullanma', 13),
 ('fiyat', 12),
 ('Ürün', 12),
 ('almıştım', 12),
 ('cok', 12),
 ('elime', 12),
 ('ulaştı', 12),
 ('güzeldi', 11),
 ('tam', 11),
 ('şekilde', 11),
 ('paketleme', 11),
 ('hepsi', 10),
 ('de', 10)]

Here are the bigram frequencies:

 [(('teşekkür', 'ederim'), 16), 
 (('tavsiye', 'ederim'), 15), 
 (('gibi', 'geldi'), 12), 
 (('kullanma', 'tarihi'), 10), 
 (('Ülker', 'kalitesi'), 10), 
 (('son', 'kullanma'), 9), 
 (('bir', 'şekilde'), 7), 
 (('elime', 'ulaştı'), 6), 
 (('hızlı', 'kargo'), 6), 
 (('memnun', 'kaldım'), 5), 
 (('tek', 'tek'), 5), 
 (('göründüğü', 'gibi'), 4), 
 (('Hızlı', 'kargo'), 4), 
 (('uygun', 'fiyata'), 4), 
 (('tarihi', 'yakın'), 4), 
 (('kahve', 'yanında'), 3),
 (('güvenilir', 'satıcı'), 3), 
 ((':', ')'), 3), 
 (('sağlam', 'paketlenmiş'), 3),
 (('mutlu', 'oldu'), 3), 
 (('istediğim', 'gibi'), 3), 
 (('biraz', 'daha'), 3), 
 (('daha', 'büyük'), 3), 
 (('Fiyatına', 'göre'), 2), 
 (('hesapliya', 'denk'), 2), 
 (('on', 'numara'), 2), 
 (('TL', 'ye'), 2), 
 (('good', 'good'), 2), 
 (('pul', 'şeklinde'), 2), 
 (('Daha', 'önce'), 2), 
 (('sipariş', 'vericem'), 2), 
 (('uzun', 'süre'), 2), 
 (('Ay', '2023'), 2), 
 (('memnun', 'kaldık'), 2), 
 (('!', '!'), 2),
 (('5', 'yıldız'), 2), 
 (('hepsi', 'birbirinden'), 2), 
 (('ürünlerin', 'hepsi'), 2), 
 (('tekrar', 'sipariş'), 2), 
 (('uyguna', 'geliyor'), 2), 
 (('tek', 'kelimeyle'), 2), 
 (('tarihine', 'de'), 2), 
 (('kelimeyle', 'harika'), 2), 
 (('Eylül', '2023'), 2), 
 (('Son', 'kullanma'), 2), 
 (('kalitesi', 'tartışılmaz'), 2), 
 (('Kardeşime', 'hediye'), 2), 
 (('Sevgilime', 'hediye'), 2), 
 (('arkadaşıma', 'hediye'), 2), 
 (('yakın', 'değil'), 2)]

And lastly the trigram frequencies:

 [(('son', 'kullanma', 'tarihi'), 7),
 (('göründüğü', 'gibi', 'geldi'), 4),
 (('olarak', 'aldım', 'çok'), 4),
 (('istediğim', 'gibi', 'geldi'), 3),
 (('de', 'çok', 'var'), 3),
 (('hediye', 'olarak', 'aldım'), 3),
 (('olarak', 'gönderdim', 'çok'), 3),
 (('bir', 'şekilde', 'geldi'), 3),
 (('aldım', 'çok', 'beğendi'), 3),
 (('tekrar', 'sipariş', 'vericem'), 2),
 (('denk', 'geldi', 'alinir'), 2),
 (('hesapliya', 'denk', 'geldi'), 2),
 (('Ay', '2023', 'olarak'), 2),
 (('biraz', 'daha', 'büyük'), 2),
 (('tek', 'kelimeyle', 'harika'), 2),
 (('çok', 'hesapliya', 'denk'), 2),
 (('Ülker', 'kalitesi', 'tartışılmaz'), 2),
 (('Kesinlikle', 'tavsiye', 'ederim'), 2),
 (('.', 'Ay', '2023'), 2),
 (('kullanma', 'tarihi', 'yakın'), 2),
 (('hepsi', 'birbirinden', 'güzel'), 2),
 (('iyi', 'İndirimden', 'aldım'), 2),
 (('kullanma', 'tarihi', 'de'), 2),
 (('hediye', 'olarak', 'gönderdim'), 2),
 (('tavsiye', 'ederim', 'Güzeldi'), 2),
 (('satıcıya', 'teşekkür', 'ederim'), 2),
 (('hediyesi', 'olarak', 'aldım'), 2),
 (('eksiksiz', 'bir', 'şekilde'), 2),
 (('ürün', 'göründüğü', 'gibi'), 2),
 (('teşekkür', 'ederim', 'ülker'), 2),
 (('sorunsuz', 'bir', 'şekilde'), 2),
 (('güzel', 'sağlam', 'paketlenmiş'), 2),
 (('gönderdim', 'çok', 'mutlu'), 2),
 (('tarihine', 'de', 'çok'), 2),
 (('fiyata', 'aldık', '.'), 2),
 (('.', 'Kesinlikle', 'tavsiye'), 2),
 (('çok', 'mutlu', 'oldu'), 2),
 (('ürünler', 'tam', 'geldi'), 2),
 (('çok', 'iyi', 'İndirimden'), 2),
 (('teşekkür', 'ederim', 'Ülker'), 2),
 (('teşekkür', 'ederim', 'Çok'), 2),
 (('geldi', 'tavsiye', 'ederim'), 2),
 (('elime', 'ulaştı', 'çok'), 2),
 (('ve', 'sağlam', 'geldi'), 2),
 (('tarihi', 'çok', 'yakın'), 2),
 (('geldi', 'teşekkür', 'ederim'), 2),
 (('iyi', 'bir', 'paket'), 2),
 (('guzel', 'çok', 'iyi'), 2),
 (('hızlı', 'kargo', 'güzel'), 2),
 (('.', 'Ülker', 'kalitesi'), 2)]

I will now go ahead and assign these positive or negative scores and compare how they vary by company.