Geri Dön

Dönüştürücüler ve derin öğrenme modelleriyle sosyal medya duygu analizi

Social media sentiment analysis by using transformers and deep learning models

  1. Tez No: 739515
  2. Yazar: HÜSEYİN İLGÜN
  3. Danışmanlar: PROF. DR. ERDAL KILIÇ
  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: 2022
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 72

Özet

Sosyal medya; internet kullanıcılarının herhangi bir konu, işletme, ürün ve durum hakkında olumlu ya da olumsuz fikirlerini belirttiği çevrimiçi bir ağ ortamıdır. Kullanıcıların hızlı erişimi sayesinde ilgili içeriklerin, makalelerin, haberlerin, düşüncelerin, günlük yaşanan olayların ve her türlü görsel ve işitsel materyallerin görüntülenebileceği ve paylaşılabildiği bir ortamdır. Sosyal medya duygu analizi, çeşitli sektörler ve akademik çalışmalar için popüler bir alandır. Fikir madenciliği olarak da bilinen bu çalışmalar bir metindeki genel duyguyu sınıflandırmak amacıyla yapılmaktadır. Bu tez çalışmasında, kullanıcıların sosyal medya platformlarında yaptığı gönderilerin pozitif, negatif ve nötr duygulara göre sınıflandırılması yapılmıştır. Kullanılacak model üç aşamadan oluşmaktadır. İlk olarak veri setleri alınarak ön işleme işlemi ile model için hazır hale getirilmiştir. İkinci aşamada temizlenen veriler dönüştürücü model olarak kullanılacak DistilBERT modeli özellik vektörlerine dönüştürülmüştür. Son aşamada ise makine öğrenmesi ve derin öğrenme modelleriyle sınıflandırma işlemi yapılmıştır. Çalışmada dönüştürücü ve derin öğrenme modellerinin birlikte kullanımının dönüştürücü kullanılarak ya da kullanılmadan oluşturulan makine öğrenmesi modellerine ve literatürde bulunan geleneksel yöntemle oluşturulan modellere göre başarıyı arttırdığı görülmüştür.

Özet (Çeviri)

Social media; is an online network environment where internet users express their positive or negative opinions about any subject, business, product, or situation. It is an environment where users can view and share relevant content, articles, news, thoughts, daily events, and all kinds of visual and audio materials thanks to fast access. Social media sentiment analysis is a popular field for various industries and academic studies. These studies are also known as idea mining which is carried out to classify the general feeling in a text. In this thesis, the posts made by users on social media platforms were classified according to positive, negative and neutral emotions. The model to be used consists of three stages. First, the data sets were taken and made ready for the model by preprocessing. In the second stage, the cleaned data were converted into feature vectors with the help of DistilBERT, which is used as a transformer model. In the last stage, classification was done with machine learning and deep learning models. In the study, it was seen that the use of transformer and deep learning models together increased the success compared to the machine learning models created with or without the transformer and the models created by the traditional method in the literature.

Benzer Tezler

  1. Öz bilgi destekli derin öğrenme yaklaşımları ile hsg gürültü giderme

    Self-ınformation empowered deep learning approaches for hsı denoising

    ORHAN TORUN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM

    PROF. DR. MEHMET ERKUT ERDEM

  2. Efficient deep learning approaches for signal and image analysis applications

    Sinyal ve görüntü analizi uygulamaları için verimli derin öğrenme yaklaşımları

    ONUR CAN KOYUN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  3. Deep learning methods for blind super resolution using self-attention transformers and degradation estimations

    Öz-dikkat dönüştürücüler ve bozulma tahminleri kullanarak kör süper çözünürlük için derin öğrenme yöntemleri

    BATUHAN VARDAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞEYDA ERTEKİN BOLELLİ

  4. Metin sınıflandırması için pekiştirmeli öğrenme: Politika-gradyan metotlarının farklı topolojiler üzerinde değerlendirilmesi

    Reinforcement learning for text classification: An evaluation of policy-gradient methods with various topologies

    EMRE BATUHAN BALOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT

  5. Ayçiçeği bitkisinin gelişim evrelerinin görsel dönüştürücüler ile tespiti ve diğer derin öğrenme modelleri ile karşılaştırılması

    Detection of development stages of sunflower plant using visual transformers and comparison with other deep learning models

    SABRİYE BAYIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEM TAŞKIN