Neural word embeddings for sentiment analysis
Duygu analizi için sinirsel sözcük öz yerleşikleri
- Tez No: 650984
- Danışmanlar: PROF. DR. EBRU SEZER
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Ön-eğitimli kelime özyerleşiklerinin çoğu, büyük bir metin derlemi üzerinde eğitilmiş bağlam tabanlı öğrenme algoritmalarından elde edilmektedir. Bu durum, benzer bağlamlarda sıkça yer alan ancak farklı anlamlar taşıyan kelimeler için benzer vektörlerin öğrenilmesine yol açmaktadır. Bu nedenle, kelimelerin karmaşık özellikleri bu modeller kullanılarak tam olarak öğrenilememektedir. Bu sorundan etkilenen doğal dil işleme uygulamalarından birisi de duygu analizidir. Bu görevde, zıt duygulara sahip iki kelime, ön-eğitimli kelime özyerleşikleri kullanılarak iyi ayırt edilmemektedir. Bu tez, bu sorunu çözmeyi hedeflemektedir ve çözüm için duygu analizine özel kelime özyerleşikleri öğrenmek amacıyla ampirik olarak etkili iki yaklaşım önermektedir. Her iki yaklaşım da duygu sözlüklerini kullanmaktadır ve kelime özyerleşiklerini öğrenirken kelimelerin duygu eğilimlerini dikkate almaktadır. İlk yaklaşım, kelimelerin duygu bilgisini mevcut ön-eğitimli kelime özyerleşiklerine kodlarken, ikincisi diğer anlamsal bağlamlarla birlikte modelleri eğitmek için sentetik duygusal bağlamlar oluşturmaktadır. Her iki yaklaşımdan elde edilen kelime özyerleşikleri, Skip-gram ve GloVe modelleri kullanılarak çeşitli duygu sınıflandırma görevlerinde değerlendirilmiştir. Sonuçlar, her iki yaklaşımın da duygu analizi referans veri kümeleri üzerinde derin öğrenme modelleri kullanarak elde edilen en başarılı sonuçları geçtiğini göstermektedir.
Özet (Çeviri)
Most pre-trained word embeddings are achieved from context-based learning algorithms trained over a large text corpus. This leads to learning similar vectors for words that share most of their contexts, while expressing different meanings. Therefore, the complex characteristics of words cannot be fully learned by using such models. One of the natural language processing applications that suffers from this problem is sentiment analysis. In this task, two words with opposite sentiments are not distinguished well by using common pre-trained word embeddings. This thesis addresses this problem and proposes two empirically effective approaches to learn word embeddings for sentiment analysis. The both approaches exploit sentiment lexicons and take into account the polarity of words in learning word embeddings. While the first approach encodes the sentiment information of words into existing pre-trained word embeddings, the second one builds synthetic sentimental contexts for embedding models along with other semantic contexts. The word embeddings obtained from both approaches are evaluated on several sentiment classification tasks using Skip-gram and GloVe models. Results show that both approaches improve state-of-the-art results using basic deep learning models over sentiment analysis benchmarks.
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
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÖZGÜR CİNGİZ
- Developing a comprehensive framework for sentiment analysis in Turkish
Türkçe için kapsamlı bir duygu analizi çatısı geliştirme
CEM RIFKI AYDIN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNGA GÜNGÖR
PROF. DR. SADIK FİKRET GÜRGEN
DR. ÖĞR. ÜYESİ TEVFİK AYTEKİN
- Derin öğrenme yaklaşımları kullanarak Türkçe metinlerden anlamsal çıkarım yapma
Semantic inference from Turkish texts using deep learning approaches
NERGİS PERVAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HACER YALIM KELEŞ
- Evaluation of deep learning algorithms in sentiment analysis
Duygu analizinde derin öğrenme algoritmalarının karşılaştırılması
SANİ KAMIŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DIONYSIS GOULARAS
- Portfolio optimization with sentiment analysis
Yaklaşım analizi ile portföy optimizasyonu
AHMET ERARSLAN
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET REFİK GÜLLÜ