Applying machine learning and natural language processing techniques to twitter sentiment classification for turkish and english
Türkçe ve ingilizce twitter duygu sınıflandırması için makine öğrenmesi ve doğal dil işleme tekniklerinin uygulanması
- Tez No: 522165
- Danışmanlar: PROF. DR. MURAT SARAÇLAR, DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 70
Özet
İnsanların belirli bir konu hakkındaki duygularını anlama faaliyetleri duygu analizi ya da duygu çözümlemesi olarak tanımlanmaktadır. Duygu çözümlemesi sadece karar süreçlerinde geri bildirim almak için değil, kullanıcıların olaylar karşısındaki duyguları, haber ve olayların etkisini belirlemek için de yapılmaktadır. Cümle bazında duygu çözümlemesi ise kullanıcıların bir ürün, kişi vb. hakkında yazdığı mesajların olumlu, olumsuz veya nötr sınıflarından hangisini taşıdığını belirleme işlemidir. Bu tezde Twitter verisi için duygu çözümlemesi probleminin çözümünde makine öğrenmesi ve istatiksel doğal dil işleme tekniklerinin beraber kullanımının verimliliği çalışılmıştır. Tez Türkçe tweet duygu çözümlemesi, sektöre dayalı duygu çözümlemesi, İngilizce tweet duygu çözümlemesi ve politik yönelim tahminlemesi başlıklarında yaptığımız çalışmaları kapsamaktadır. Sektöre özel Türkçe tweet duygu çözümlemesi için makine öğrenmesi ve istatiksel doğal dil işleme tekniklerinin birlikte kullanımı ile bir çerçeve önerilmiş ve önerilen çerçeve finans, perakende, telekomünikasyon ve spor sektörlerine uygulanmıştır. İngilizce duygu çözümlemesinde, bu tez SemEval-2017 Twitter duygu çözümlemesi'nde ele aldığımız yöntem ve çalışmaları kapsamaktadır. Buna ek olarak, İngilizce temelli çalışmada duygu çözümlemesinde kullandığımız yöntemler ile seçmen tweet iletilerinden oluşan bir veri kümesi kullanılarak Twitter mesajları analiz edilerek politik yönelim analizi çalışılmıştır. Politik yönelim analizinde seçmenlerin Twitter mesajlarına göre eğilimlerinin `demokrat' veya `cumhuriyetçi' sınıflarından hangisine ait olduğu tahminlenmiştir.
Özet (Çeviri)
Determining the feelings of a user on a topic is called sentiment analysis. Sentiment analysis is done so as not just to get a sort of feedback data for decision making but also to check the emotions, characteristics and influence of situation actions, news or events on users or specific data with respect to users. Sentiment analysis of a sentence is the effort of understanding whether the sentence contains positive, negative or neutral meaning and is used to gather overall attitude toward a product, person or event etc. In this thesis we have studied the effectiveness of applying machine learning and statistical natural language processing techniques collaboratively to Twitter messages based sentiment classification problem. This thesis covers the work on Turkish tweet sentiment analysis, sector based sentiment analysis, English tweet sentiment analysis, and political opinion prediction. We introduce sector based sentiment analysis framework by applying machine learning and statistical natural language techniques collaboratively. We apply our framework to finance, telecom, retail and sport sectors. In English sentiment analysis, this thesis covers our solution for the SemEval Twitter Sentiment Analysis task. Consecutively, in English Twitter analysis our work also addresses the task of political orientation classification based on Twitter data. We have used various machine learning algorithms that can predict and automatically classify whether a tweet belongs to a republican or a democrat. We have used a Twitter dataset which consists of democrat and republican voters tweets. This work covers political opinion/sentiment tendency estimation based on Twitter messages of voters.
Benzer Tezler
- Sentiment analysis of tweets about karabakh in twitter by applying machine learning techniques
Twitter'da karabağ hakkinda atilan tweetlerin makine öğrenmesi teknikleri uygulanarak duygu analizi
SANAN QIYASZADE
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiAltınbaş ÜniversitesiVeri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ KARAN
- Metin sınıflandırma teknikleri ile türkçe twitter duygu analizi
Turkish twitter sentiment analysis using text classification techniques
ÖNDER ÇOBAN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLŞAH TÜMÜKLÜ ÖZYER
- Uluslararası inşaat sözleşmeleri için doğal dil işleme ve makine öğrenimi teknikleri kullanılarak potansiyel risk tespit modeli geliştirilmesi
Development of potential risk detection model for international construction contracts using natural language processing and machine learning techniques
HAYRİ BURAK ALTUNTAŞ
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN BASRİ BAŞAĞA
- Identifying architectural concerns from non-functional requirements using support vector machine
Destek vektör makinesi kullanarak işlevsel olmayan gereksinimlerden mimari ilgileri tespit etmek
GÖKHAN GÖKYER
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
DR. CEVAT ŞENER
DR. SEMİH ÇETİN
- Türkçe sözcük anlam belirsizliği giderme
Word sense disambiguation for Turkish
BAHAR İLGEN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EŞREF ADALI
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ