Geri Dön

Topluluk öğrenme yöntemini kullanarak twitter verisi üzerinde duygu algılama ve tanıma

Emotion detection and recognition on twitter using ensemble learning

PDF İndir

  1. Tez No: 579190
  2. Yazar: SEBİLE TELLİ
  3. Danışmanlar: PROF. DR. AYBARS UĞUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 93

Özet

Son yıllarda teknolojinin gelişmesi ile forumlar, bloglar ve sosyal medya insanlar tarafından çok fazla kullanılır hale gelmiştir. İnsanların görüş, fikir ve hislerini sosyal medya aracılığı ile paylaşmak istemesi sosyal medyayı önemli bir bilgi kaynağı haline getirmiştir. Özellikle twitter, üzerinde çalışılan önemli bir veri kaynağıdır. Sosyal medya üzerindeki fikir paylaşımlarının artması nedeniyle son yıllarda, insan duygularını anlama konusunda araştırmalar artmıştır. Bu tez çalışmasında, İngilizce bir metin içeriğindeki neşe, korku, öfke, üzüntü, tiksinti ve şaşkınlık duygularının otomatik olarak sınıflandırılmasında Topluluk Öğrenmesi yöntemlerinin etkileri ölçülmüştür. Bu amaçla Twitterdan elde edilen veri seti yanında International Survey on Emotion Antecedents and Reactions (ISEAR) veriseti üzerinde de deneysel çalışmalar yapılmıştır. Ayrıca duyguların üç sınıf şeklinde olumlu, olumsuz ve nötr olarak ifade edildiği Havayolu veri seti için de sonuçlar alınarak sunulmuştur. Temel sınıflandırıcılar olarak Multinomial Naive Bayes (MNB), Destek Vektör Makineleri (DVM) ve Karar Ağacı sınıflandırıcıları kullanılmıştır. Temel sınıflandırıcıların birleştirilmesi ile meta sınıflandırıcılar oluşturulmuştur. ISEAR veri seti üzerinde Bagging, Boosting ve Voting Topluluk Öğrenmesi yöntemleri kullanılarak beş duygu için sınıflandırma sonuçları ilk olarak bu çalışmada kapsamlı bir şekilde elde edilmiştir. Topluluk Öğrenmesi yöntemleri kullanımının temel sınıflandırıcıların başarı oranlarını arttırdığı, denenenler içerisinde en başarılı yöntemin de oylama (voting) olduğu gözlemlenmiştir.

Özet (Çeviri)

With the development of technology in recent years forums, blogs and social media have become used by much of the people. The fact that people want to share their opinions, ideas and feelings through social media has made social media an important source of information. Especially twitter, is an important data source being studied. In recent years, research on understanding human emotions has increased due to the increasing share of ideas on social media. In this thesis, the effects of Ensemble Learning methods on automatic classification of emotions which are joy, fear, anger, sadness, disgust and surprise in an English text content were measured. For this purpose, experimental studies have been conducted on International Survey on Emotion Antecedents and Reactions (ISEAR) dataset in addition to the dataset from Twitter. In addition, the results are presented for the Airline dataset in which emotions are expressed as three classes which are positive, nagative and neutral. Multinomial Naive Bayes (MNB), Support Vector Machines (SVM) and Decision Tree classifiers were used as the main classifiers. Meta classifiers were formed by combining the basic classifiers. The classification results which are created by using Bagging, Boosting and Voting Ensemble Learning methods on the ISEAR dataset for five emotions were firstly obtained in this study in a comprehensive manner. It has been observed that the use of Ensemble Learning methods increases the success rates of the main classifiers and voting is the most successful method among those tried.

Benzer Tezler

  1. Tez No

    872584

    Misinformation detection by leveraging user communities on social media

    Sosyal medyadaki kullanıcı topluluklarından yararlanılarak yanlış bilgilerin tespiti

    OĞUZHAN ÖZÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FAZLI CAN

  2. Tez No

    820608

    Cross cultural analysis of emotions on social media branding communication with evidence from big data

    Büyük veriden elde edilen kanıtlarla sosyal medya marka iletişiminde duyguların kültürler arası analizi

    ALTUĞ TANALTAY

    Doktora

    İngilizce

    İngilizce

    2023

    İşletmeSabancı Üniversitesi

    İşletme Bilim Dalı

    PROF. DR. NİHAT KASAP

    PROF. DR. SELCEN ÖZTÜRKCAN

  3. Tez No

    540743

    Improved extreme learning machines and applications

    Geliştirilmiş aşırı öğrenme makineleri ve uygulamaları

    MOHANAD ABD SHEHAB AL KARAWI

    Doktora

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NİHAN KAHRAMAN

  4. Tez No

    682730

    Diagnosis of cardiovascular (CVD) disease using high performance machine learning system

    Yüksek performanslı makine öğrenme sistemi kullanılarak kardiyovasküler (CVD) hastalığının tanı

    MUSTAFA ADİL FAYEZ FAYEZ

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

  5. Tez No

    828634

    An integrative framework for clinical diagnosis and knowledge discovery from exome sequencing data

    Klinik teşhis ve bilgi keşfi için ekzom sekanslama verilerine dayalı bütünleşik bir sistem

    MONA SHOJAEI

    Doktora

    İngilizce

    İngilizce

    2023

    BiyolojiOrta Doğu Teknik Üniversitesi

    Medikal İnformatik Ana Bilim Dalı

    YRD. DOÇ. DR. AYBAR CAN ACAR

    DOÇ. DR. CAN ALKAN

Geri Dön