Otomatik duygu sözlüğü çevirimi ve duygu analizinde kullanımı
Automatic sentiment dictionary translation and using in sentiment analysis
- Tez No: 379634
- Danışmanlar: PROF. DR. HAYRİ SEVER, DOÇ. DR. EBRU AKCAPINAR SEZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
İnsanlar günlük ya da dönemlik eylemlerinde karar vermek için, diğer insanların duygularını, deneyimlerini veya görüşlerini öğrenerek hareket etmek isterler. Bu eğilim, aynı zamanda tecrübe aktarımı ve toplumsal hafızanın genişlemesi anlamına gelir. Örneğin satın alınılacak bir ürüne ya da hizmete karar vermek, izlemek için film seçimi yapmak ve hatta seçimlerde oy verilecek adaya karar vermek bu tür kararlar arasında yer alır. Diğer insanların bir konu hakkında ne düşündükleri çoğu zaman önemlidir ve bu düşünceleri öğrenebilmek için o kişiyle konuşmak ya da o kişinin yazdıklarını okumak gerekir. Aslında, yazılara ulaşmak görece daha kolaydır. Ve günümüzün etkileşimli web uygulamaları ve sosyal medya ortamları sayesinde büyük bir kitlenin ürettiği büyük bir içeriğe erişmek daha da kolay hale gelmiştir. Ancak erişilen içeriğin hacmi arttıkça, tek tek okunup anlaşılması hatta istenen içeriğe ulaşılması bile insan eforu ve zamanı içinde gerçekleştirilemeyecek boyutlardadır. Bu nokta, genel çerçevede içerik tabanlı erişim sistemlerinin, metin madenciliğinin ve doğal dil işleme konularının, daha özelde duygu analizi çalışmalarının ana motivasyonunu oluşturur. Duygu Analizi, yazılı halde verilen bir ifadenin (belge, yorum, eposta vb.) yansıttığı duygunun bilgisayar yardımıyla otomatik olarak tespit edilmesi işidir. Bu çalışmaların Düşünce Madenciliği veya Duygu Sınıflama olarak adlandırıldığı da görülür. Tespit edilmesi hedeflenen duygu, yazarın ruh halini, konu hakkındaki düşüncesini, yapmak istediği vurguyu ya da yaratmak istediği etkiyi içerebilir. Son 15 yıldır yapılmış olan Duygu Analizi çalışmaları uyguladıkları yaklaşıma göre,“sözlük veya derlem”,“istatistiksel veya makine öğrenmesi”olmak üzere iki ana gruba ayrılabilir. Türkçe için, birçok kez denenmiş olan makine öğrenmesi tekniklerinin aksine, duygu sözlüğü kullanarak duygu analizi çalışması yapılmadığı gözlenmiş ve bu eksikliği gidermek için doğrudan sözlük kullanarak Duygu Analizi gerçekleştirimi hedeflenmiştir. Türkçe Dili'ne özgü hazırlanmış ve anlamlar arası ilişkileri ifade etmesi sağlanmış bir sözlük bulunmadığından ayrıca duygu ifadelerinin evrensel olabileceğinden yola çıkılarak İngilizce için hazırlanmış olan duygu sözlüğünün Türkçe'ye otomatik çevirisi yapılarak Türkçe Duygu Sözlüğü oluşturulmuştur. Bu çalışmanın önemi kullanımı için önceden veri üretimi ve eğitimi gerekli olmadan, alan bağımlılığı taşımadan ve karmaşıklık düzeyini alt seviyede tutarak duygu analizi gerçekleştirimini sağlayabilmektedir. Elde edilen sözlüğün tamlığı tamamen bu tezin hedefleri dışında tutulmuş, yapılan çevirinin doğruluğu ve sözlüğün Duygu Analizinde kullanabilir olduğu düzenlenen deneyler ile sınanmıştır. Elde edilen sonuçların karşılaştırılması ve yorumlanabilmesi için, aynı deneyler makine öğrenimi yöntemleri ile de yinelenmiştir. Duygu sözlüğü kullanılarak elde edilen sonuçlar hem makine öğrenmesi yöntemlerinin sonuçlarıyla hem de diğer dillerdeki sözlük çalışmalarının sonuçlarıyla karşılaştırılmış ve geliştirilen yöntemin başarılı olduğu gözlenmiştir.
Özet (Çeviri)
People want to decide in their daily and seasonal activities by referring other people's emotions, experiences or opinions. This tendency also means transfer of experience and expansion of communal memory. For instance, making a decision about a product or service to buy, a movie to watch or a candidate to elect can be counted in this manner. Other people's opinions on a particular subject is usually important and there is a necessity of having conversation with that person or reading his/her writings to learn it. On the other hand, accessing to writings is relatively easier. Moreover, accessing to massive content of crowds has become much more easier via todays web applications and social media. However, as the volume of this content rises, extraction and assessment of focused content becomes impossible by human effort in plausible time. Thus, this point particularly constitutes the main motivation of sentiment analysis besides content retrieval systems, text mining and natural language processing. Sentiment analysis is the automatic detection of emotion in textual contents (e.g. document, comment, e-mail) by utilization of computer. This is sometimes named as opinion mining or sentiment classification. The emotion which is being detected can contain author's mood and his/her ideas about subject. Furthermore, it can involve the emphasis points or the effect he wants to create. The sentiment analysis studies in last 15 years can be classified into two main groups: (1)“dictionary and collection”, (2)“statistical or machine learning”. For Turkish, in contrast to well known machine learning methods, it has been observed that there exists no study via sentiment dictionary. Thus, it is targeted to make Sentiment Analysis by directly utilizing dictionary. As there exist no Turkish dictionary which is designed for constituting inter relations between meanings and starting with the idea of“sentimental expressions are universal”, an English Sentimental Dictionary has been automatically translated to Turkish. The main contribution of this study is to provide sentiment analysis by no use of prior training data and field dependence. Furthermore it requires low level complexity. The completeness of the dictionary is kept out of this study. The success of translations and the feasibility of created dictionary were evaluated with the experiments. The same experiments were also conducted with machine learning methods in order to compare results. The results which were generated by use of sentimental dictionary were compared with both machine learning based methods and the results of other dictionary studies using other languages. As a result, the proposed method is assessed as successful.
Benzer Tezler
- 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
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Türkçe metinlerde duygu analizi
Sentiment analysis in Turkish texts
CUMALİ TÜRKMENOĞLU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Sentence-based sentiment analysis with domain adaptation capability
Cümle temelli, farklı bağlamlara adaptasyon yeteneği olan duygu analiz sistemi
GİZEM GEZİCİ
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
DOÇ. DR. YÜCEL SAYGIN
- Real-time social media sentiment analysis using big data technologies
Büyük veri teknolojileriyle gerçek zamanlı sosyal medya duygu analizi
MOHAMMED SHEEHA
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN AYVAZ