Göz takıp verılerının adlandırılmış varlık tanıma üzerındekı etkısının ıncelenmesı
Investigation of the effect of eye-tracking data on text sentiment analysis
- Tez No: 1006631
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA HAKAN BOZKURT
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Duygu Analizi (DA) yazılı metinlerdeki duygusal içeriğin otomatik olarak belirlenmesini amaçlayan önemli bir araştırma konusudur. Ancak yalnızca metin tabanlı yaklaşımlar okuyucunun dikkat düzeyi ve bilişsel süreçlerini yeterince yansıtamamaktadır. Bu noktada Göz Takip Verileri (GT) bireylerin metinle olan etkileşimini gösteren odaklanma süresi tekrar okuma davranışı ve dikkat yoğunluğu gibi bilişsel göstergeler sunarak DA süreçlerine ek bir bilgi kaynağı sağlamaktadır. Bu çalışmanın amacı GT verilerinin metinsel verilerle birleştirilmesinin Two-class ve Three-class DA görevlerinde derin öğrenme modellerinin performansı üzerindeki etkisini incelemektir. Bu kapsamda yalnızca metin kullanan modeller ile metin ve GT verilerini birlikte kullanan çok modlu yaklaşımlar karşılaştırılmıştır. Metin ve GT verilerinin entegrasyonu için Separate Network Fusion (SNF) yöntemi ve Feature-wise Linear Modulation tabanlı FiLM Fusion yaklaşımı kullanılmıştır. Bu çalışmada FiLM yaklaşımı, GT verileri ile DA modellerinde ilk kez uygulanmıştır ve bu sayede insan okuma davranışlarına daha uyumlu bir modelleme sağlanmıştır.Deneysel çalışmalar ZUCO veri kümesi (ZNK) kullanılarak gerçekleştirilmiştir. KSA, TSA, UKSB, Çift Yönlü LSTM (ÇyUKSB), KSA-UKSB, ConvLSTM ve Attention mekanizması içeren LSTM modelleri değerlendirilmiştir. Ayrıca Two-class ve Three-class DA senaryolarında BERT tabanlı Beta embedding yöntemi kullanılmıştır.Elde edilen sonuçlar GT verilerinin modele dahil edilmesiyle Accuracy (Acc), Precision (Prec), Recall (Rec) ve F1-Score (F1) ölçütlerinde anlamlı iyileşmeler sağlandığını göstermektedir. Özellikle FiLM Fusion yaklaşımı diğer birleşim yöntemlerine kıyasla daha yüksek ve daha kararlı bir performans sunmuştur.Bu çalışma bilişsel verilerin DA süreçlerine entegrasyonunun önemini ortaya koymakta ve çok modlu araştırmalar için güçlü bir temel oluşturmaktadır.
Özet (Çeviri)
Sentiment Analysis (DA) is an important research area that aims to automatically determine the emotional content of written texts. However, text-only approaches do not sufficiently reflect readers' attention levels and cognitive processes. In this context, Eye Tracking Data (GT) provide additional cognitive indicators such as fixation duration, rereading behavior, and attention intensity, enriching DA processes with supplementary information.The aim of this study is to investigate the impact of integrating GT with textual data on the performance of deep learning models in Two-class and Three-class DA tasks. Models using only text were compared with multimodal approaches combining text and GT data. Separate Network Fusion (SNF) and Feature-wise Linear Modulation-based FiLM Fusion were employed for the integration. In this study, the FiLM approach was applied for the first time in DA models with GT data, enabling modeling more aligned with human reading behavior.Experiments were conducted using the ZUCO dataset (ZNK). CNN, RNN, LSTM, Bidirectional LSTM (BiLSTM), CNN-LSTM, ConvLSTM, and LSTM with Attention mechanism models were evaluated. Additionally, BERT-based Beta embedding was used for both Two-class and Three-class DA scenarios.The results showed that including GT data in the models led to significant improvements in Accuracy (Acc), Precision (Prec), Recall (Rec), and F1-Score (F1). FiLM Fusion, in particular, provided higher and more stable performance compared to other fusion methods. This study highlights the importance of integrating cognitive data into DA processes and provides a strong foundation for future research in multimodal approaches.
Benzer Tezler
- Göz takip verilerinin adlandırılmış varlık tanıma üzerindeki etkisinin incelenmesi
Investigation of the impact of eye-tracking data on named entity recognition
AHMAD AL MHEMED
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA HAKAN BOZKURT
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Effects of bus priority methods on adjacent mixed traffic
Karma trafik akışında otobüs önceliği yöntemlerinin etkileri
NIMA DADASHZADEH
Doktora
İngilizce
2019
Trafikİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ERGÜN
- Geoid modeling by the least squares modified hotine formula using voronoi cell structures
Voronoi hücre yapıları aracılığıyla hotine integralinin en küçük kareler modifikasyonu ile geoit belirleme
FATIMA FEYZA SAKİL
Yüksek Lisans
İngilizce
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. SERDAR EROL
- Meteorolijide nokta semivariogram ile objektif analiz
Objective analysis with point cumulative semivariogram in meteorology
ZEYAD Z. HABİB