Developing the recurrent neural network with long-short term memory and word2vec representation for sentiment classification
Duygu sınıflandırma için uzun kısa süreli bellek ve word2vec temsilcisi ile yenileme neural ağının geliştirilmesi
- Tez No: 521442
- Danışmanlar: Assist. Prof. Dr. ABDÜL KADİR GÖRÜR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Sistemleri Bilim Dalı
- Sayfa Sayısı: 79
Özet
Makine öğreniminin en önemli bileşenlerinden bir tanesi sınıflandırmadır. Duygu analizi, sınıflamanın alt alanlarından biridir. Duygu analizi insanların duygularıyla ilgili düşüncelerini araştıran ve sınıflandıran yöntemlerle çalışır ve konuya ve hatta diğer metinlere yönelik altta yatan izlenimleri çıkarır. Bu çalışmada, metinleri olumlu ya da olumsuz olarak analiz edebilen ikili duygu sınıflandırması için bir sinir ağı modeli geliştirmeye çalıştık. Pek çok makale olasılıksal sınıflandırıcıların ve doğrusal sınıflandırıcı (SVM) yöntemlerinin Yapay Sinir Ağı yöntemlerinden daha doğru olduğu sonucuna varmışlardır. Bu çalışmada, Sinir Ağ yöntemleri alanında gelişme için daha fazla alan olduğunu kanıtladık. Sonuçlarımızı dört denetimli öğrenme yöntemi ile karşılaştırdık: Naïve-Bayes, Maksimum Entropi, Destek Vektör Makinesi ve Stokastik Gradyan Descent. Bahsi geçen bu yöntemler ile karşılaştırıldığı durumda daha iyi sonuçlar elde ettik. RNN (Tekrarlayan Nöral Ağ) ile Glove (Kelime Temsili Global Vektörler) kullanarak% 91.04 doğruluk elde ettik.
Özet (Çeviri)
One of the major components of machine learning is classification. Sentiment analysis is one of the sub-fields of classification. It works on the methods that study and classify the opinions of people regarding their feelings and it extracts any underlying impressions toward subjects or even other texts. In this study, we worked on developing a neural network model for binary sentiment classification which can analyze data as being either positive or negative. Many papers conclude that probabilistic classifiers and linear classifier (SVM) methods are more accurate than Neural Network methods. In this study, we proved (demonstrated) that there is more space for development in the Neural Network methods field. We compared our results with four supervised methods: Naïve Bayes, Maximum Entropy, Support Vector Machine, and Stochastic Gradient Descent. We achieved better results than the results of the mentioned methods by using RNN (Recurrent Neural Network) with GLOVE (Global Vectors for Word Representation) and achieved a result of 91.04% accuracy.
Benzer Tezler
- A comparatıve analysıs of LSTM and XGBoost methods for day ahead electrıcıty prıce forecastıng
Gün öncesi elektrik fiyatı öngörüsü için LSTM ve XGBoost yöntemlerinin karşılaştırmalı analizi
CAHİT URAL KÜKNER
Yüksek Lisans
İngilizce
2020
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. AHMET DURMAYAZ
- Kripto para fiyatlarının LSTM ve GRU modelleri ile tahmini
Prediction of crypto money prices with LSTM and GRU models
ESRANUR DEMİRCİ
Yüksek Lisans
Türkçe
2021
İşletmeSüleyman Demirel Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. MELTEM KARAATLI
- Characterization and modeling of negative-biastemperature instability in 40 NM CMOS technologythrough long short-term memory (LSTM) networks
Uzun kısa-süreli bellek ağlarıyla (LSTM)40 NM CMOS teknolojisinde negatif-kutuplamasıcaklık kararsızlığının karakterizasyonu ve modellenmesi
FİKRET BAŞAR GENCER
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BERKE YELTEN
- Unsupervised video summarization with independently recurrent neural networks and multiple rewards
Bağımsız özyineli sinir ağları ve çoklu ödüller ile gözetimsiz video özetleme
GÖKHAN YALINIZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZLI İKİZLER CİNBİŞ
- Control and system identification of legged locomotion with recurrent neural networks
Tekrarlayan sinir ağları ile bacaklı lokomosyonun kontrolü ve sistem tanımlanması
BAHADIR ÇATALBAŞ
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER MORGÜL