Derin öğrenme tabanlı çok modlu duygu analizi yöntemlerinin geliştirilmesi
Development of deep learning based multimodal sentiment analysis methods
- Tez No: 674883
- Danışmanlar: DOÇ. DR. İLHAN AYDIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Sosyal medya uygulamalarının toplum tarafından geniş kullanımı, insanlara bir durum, olay, hizmet veya ürün hakkında hızlıca geri bildirim sağlamalarına olanak sağlamıştır. Duygu analiziyle insanların sosyal medya paylaşımlarından bir konu veya ürün hakkındaki duygu ve düşüncelerinin tespit edilmesi mümkündür. Temel duygu analizi yaklaşımları genellikle tek tip veri tipi üzerinde gerçekleştirilmektedir. İnternetin ve akıllı cihazların yaygın kullanımı ve sosyal medya uygulamalarının çeşitliliği sonucu günlük üretilen veriler metin, görüntü, video veya ses formatlarında olabilmektedir. Çok modlu duygu analizi, farklı türdeki verileri bir bütün olarak analiz edilerek, kullanıcı paylaşımının duygusunun ortaya çıkarılması sürecidir. Bu tez çalışmasında sosyal medya uygulamalarından toplanan kıyaslama veri kümeleri üzerinde çok modlu duygu analizi yapılmıştır. Çok modlu duygu analizi için iki yaklaşım ele alınmıştır. Bu yaklaşımlardan birincisi çok modlu derin öğrenme modellerinin kullanımı dayalı yöntemdir. Bu yaklaşımda stratejik olarak farklı metin temsillerini (Karakter-tabanlı, Word2vec, FastText), farklı derin öğrenme yöntemleriyle (LSTM, GRU, BiLSTM, CNN) birlikte kullanan yeni bir hibrit derin öğrenme modeli geliştirilmiştir. Bu yaklaşım için önerilen model farklı veri temsilleri üzerinde farklı derin öğrenme yöntemleriyle öznitelik çıkarmakta, bu öznitelikleri birleştirerek metinleri duygu bakımından sınıflandırmaktadır. İkinci yaklaşımda, çok modlu veri kümeleri üzerinde duygu analizi gerçekleştirmeye dayalı yöntemdir. Farklı sınıflandırıcıların farklı veri türlerindeki etkin performansından yararlanan yumuşak oylamaya dayalı bir topluluk modeli önerilmiştir. Yapılan deneysel çalışmalarla önerilen yöntemlerin duygu analizi sonuçları doğrulanmıştır.
Özet (Çeviri)
The wide use of social media apps by the public has allowed people to provide rapid feedback on a situation, event, service or product. In sentiment analysis, it is possible to determine people's feelings and thoughts about a subject or product from social media posts. Basic sentiment analysis approaches are generally performed on a single modality. As a result of the widespread use of the Internet and smart devices and the diversity of social media applications, the data produced daily can be in text, image, video, and audio. Multimodal sentiment analysis is the process of revealing the sentiment of user post by analyzing different modality as a whole. In this thesis, multimodal sentiment analysis was conducted on the benchmark datasets collected from social media. Two approaches are considered for multimodal sentiment analysis. The first is based on the use of multimodal deep learning models. In this approach, a novel hybrid deep learning model has been developed that strategically uses different text representations (Character-level, Word2vec, FastText) together with different deep learning methods (LSTM, GRU, BiLSTM, CNN). The proposed model for this approach extracts features from different representations with different deep learning methods, and classifies texts in terms of sentiment by combining features. The second approach is a method based on sentiment analysis on multimodal datasets. An ensemble learning model based on soft voting is proposed that takes advantage of the effective performance of different classifiers on different modality. Sentiment analysis results of the proposed methods have been verified with experimental studies.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Graph neural network-based multimodal emotion recognition
Grafik sinir ağı tabanlı çok modlu duygu tanıma
HUSSEIN FAROOQ TAYEB AL-SAADAAWI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. RESUL DAŞ
- Human presence detection in emergency situations using deep learning based audio-visual systems
Derin öğrenme tabanlı işitsel-görsel sistemler ile tehlike durumunda insan tespiti
İZLEN GENECİ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
PROF. DR. BANU GÜNEL KILIÇ
PROF. DR. HÜSEYİN CEM BOZŞAHİN
- Social media based crime prediction using machine learning
Makine öğrenme algoritmasını kullanarak sosyal medya tabanlı suç tahmini
SAKIRIN TAM
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. ÖMER ÖZGÜR TANRIÖVER