Büyük dil modelleri ile metinlerde duygu analizi
Sentiment analysis in texts with large language models
- Tez No: 1025067
- Danışmanlar: PROF. DR. ERSEN YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Modern dünyada teknoloji baş döndüren bir hızla gelişme göstermektedir. Büyük veri çağında insanoğlu verilerden anlamlı bilgi çıkarma amacıyla önemli çalışmalar yapmıştır. Bu çalışma alanlarından birisi de duygu analizidir. Duygu analizinde makine öğrenmesi ve derin öğrenme tabanlı algoritmalarla çalışılmaktadır. Duygu analizi finans, savunma sanayii, e-ticaret, lojistik ve sağlık gibi çeşitli sektörlerde kullanılmaktadır. Bu çalışmada winkower/turkish-sentiment-analysis-dataset kullanılmıştır. Bu veri seti 441 bin eğitim ve 49 bin test verisi olmak üzere pozitif, negatif ve nötr etiketlerine sahip X platformu, vikipedi, mağaza, film ve otel yorumlarının birleştirilmesi ile oluşturulmuştur. Bu çalışmada geleneksel makine öğrenmesi modelleri yerine transformatör tabanlı algoritmalar kullanılmıştır. Transformatör tabanlı büyük dil modellerinin seçilmesinin sebebi; geleneksel algoritmaların yaptığı özellik çıkarımı işlemini daha az işlem yükü ile yapmasıdır. Bununla birlikte transformatör tabanlı algoritmalar cümleler arasındaki anlamsal bağlamı da yakalayabilmektedir. Bu çalışmada iki BERT tabanlı algoritma ince-ayar ile eğitilerek kullanılmıştır. Artiwise ModernBERT for Turkish algoritmasının ince-ayarlı versiyonunda %96.15 doğruluk, %94.15 makro kesinlik, %92.91 makro duyarlılık, %93.51 makro F1-skor ve %96.12 ağırlıklı F1-skor elde edilmiştir. dbmdz Turkish BERT model algoritmasının ince-ayarlı versiyonunda ise %96.88 doğruluk, %95.25 makro kesinlik, %93.81 makro duyarlılık, %94.50 makro F1-skor elde edilmiştir. Benzetim çalışması her iki algoritmanın da veri seti üzerinde başarılı sonuçlar ürettiğini ve benzer problemlerin çözümde tercih edilebileceklerini göstermiştir.
Özet (Çeviri)
In the modern world, technology is believed to be advancing at a dizzying pace. In the era of big data, humanity has made significant efforts to extract meaningful information from data. One of these areas of study is sentiment analysis. Sentiment analysis utilizes machine learning and deep learning-based algorithms. Sentiment analysis is used in various sectors such as finance, defense industry, e-commerce, logistics, and healthcare. The winkower/turkish-sentiment-analysis-dataset was used in this study. This dataset was created by combining X platform, Wikipedia, store, movie, and hotel reviews labeled as positive, negative, and neutral, consisting of 441,000 training and 49,000 test data points. Transformer-based algorithms were used in this study instead of traditional machine learning models. The reason for choosing transformer-based large language models is that they perform feature extraction with less computational load than traditional algorithms. Furthermore, transformer-based algorithms can also capture the semantic context between sentences. In this study, two BERT-based algorithms were trained with fine-tuning and used. The fine-tuned version of the Artiwise ModernBERT for Turkish algorithm achieved 96.15% accuracy, 94.15% macro precision, 92.91% macro recall, 93.51% macro F1-score, and 96.12% weighted F1-score. The fine-tuned version of the dbmdz Turkish BERT model algorithm achieved 96.88% accuracy, 95.25% macro precision, 93.81% macro recall, and 94.50% macro F1-score. The simulation study showed that both algorithms produced successful results on the dataset and could be preferred for solving similar problems.
Benzer Tezler
- Türkçe metinlerde farklı temsil modelleri ve öğrenme yöntemleri ile duygu analizi karşılaştırması
Comparison of sentiment analysis with different representation models and learning methods in Turkish texts
KADRİYE MARANGOZ
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÖZGÜR CİNGİZ
- Arapça, Türkçe ve İngilizce dillerindeki e-ticaret verilerinden duygu analizi ile müşteri memnuniyet tespiti
Prediction of customers' interests with sentiment analysis from e-commerce data in Arabic,Turkish and English
PINAR SAVCI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİHTER DAŞ
- Otomatik duygu sözlüğü geliştirilmesi ve haberlerin duygu analizi
Automated sentiment lexicon generation and sentiment analysis of news
FATİH SAĞLAM
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUAT AKAL
PROF. DR. HAYRİ SEVER
- Finsentiment: Predicting financial sentiment and risk through transfer learning
Başlık çevirisi yok
ZEHRA ERVA ERGÜN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE SEFER
- Essays on estimation methods
Tahmin yöntemleri üzerine makaleler
YASİN KÜTÜK
Doktora
İngilizce
2019
Ekonomiİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU