Derin öğrenme metodlarını kullanarak arapça metin tabanlı duygu analizi
Arabic text-based senti̇ment analysi̇s using deep learning methods
- Tez No: 758188
- Danışmanlar: PROF. DR. EYYÜP GÜLBANDILAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Donanımı Bilim Dalı
- Sayfa Sayısı: 57
Özet
Bilgisayar biliminde makine öğrenmesi uygulamaları yaparken sonuç alabilmek için bir model tanımlanır veya öznitelik(özellik) vektörü çıkarılır. Öznitelik vektörü üzerinde çalıştığımız nesneyi ifade etmemizi sağlayan parametrelerdir. Günümüzde teknolojinin gelişmesiyle derin ağlar ortaya çıkmış ve öznitelik vektörü yerine ham verisetleri kullanılmaya başlanmıştır. Çünkü öznitelik vektörlerinin oluşturulması için alanında uzman kişilere ihtiyaç duyulmakta ve zaman almaktadır. Karşılaştırma yapacağımız nesne için veriseti oluşturmamız gerekebilir veya üzerinde çalıştığımız konu hakkında oluşturulmuş hazır verisetlerini kullanılırız. Örneğin; görüntü, ses veya metin tabanlı işlemler için oluşturulmuş özel verisetleri bulunmaktadır. Bu veriseti makine öğrenmesi veya derin öğrenme modelleri ile bilgisayara karşılaştırma ve matematiksel çözümlemeler yapabilmesi için tanıtılır. Gerçekleştirdiğimiz tez kapsamında, bir derin öğrenme mimarisi olan Evrişimsel Sinir Ağları (Convolutional Neural Networks) kütüphaneleri kullanılarak, Arapça metin tabanlı duygu analizi yapılmış, kendi oluşturduğumuz veri seti doğal dil işleme yöntemi olan metin temizleme yöntemi kullanılarak, sisteme verilen herhangi bir metnin pozitif veya negatif açıdan duygu analizi işleminin yapılabilirliği doğrulanmıştır. Çalışma kapsamında metin analizi işleminde doğru sonucu alabilmenin verisetinde bulunan veri ile doğru orantılı olduğu görülmüştür. Veriseti ne kadar iyi hazırlanmış ise o kadar doğru sonuç elde edilebilmektedir. Hali hazırdaki veriseti ile doğru sonuçlar elde edilebilmiştir. Tezimiz, Google tarafından piyasaya sürülen python kodu çalıştırmaya izin veren Google Colaboratory ortamında; Tensorflow, Keras ve Numpy kütüphaneleri kullanılarak ve Düzenli İfade (Regular Expression) kütüphanesi (re) kullanılarak gerçekleştirilmiştir.
Özet (Çeviri)
When making machine learning applications in computer science, a model is defined or a feature vector is extracted to get results. The feature vector is the parameters that allow us to express the object we are working on. Today, with the development of technology, deep networks have emerged and raw datasets have been used instead of feature vectors. Because the creation of feature vectors requires experts in the field and takes time. We may need to create a dataset for the object we are going to compare, or we use ready-made datasets about the subject we are working on. For example; There are special datasets created for image, sound or text-based operations. This dataset is introduced to the computer with machine learning or deep learning models for comparison and mathematical analysis. Within the scope of the thesis we carried out, using Convolutional Neural Networks libraries, which is a deep learning architecture, Arabic text-based sentiment analysis was carried out, using the text cleaning method, which is the natural language processing method, of the data set we created, positive or negative aspects of any text given to the system. The feasibility of sentiment analysis has been confirmed. Within the scope of the study, it has been seen that getting the correct result in the text analysis process is directly proportional to the data in the dataset. The better the dataset is prepared, the more accurate results can be obtained. Accurate results could be obtained with the current dataset. Our thesis is in Google Colaboratory environment, which allows to run python code released by Google; It was implemented using Tensorflow, Keras and Numpy libraries and using the Regular Expression library (re).
Benzer Tezler
- DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.
DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.
CEMAL GÜRPINAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
PROF. DR. NAFİZ ARICA
- Compositional representations of language structures in multilingual joint-vector space
Çok dilli eklem-vektör uzayda dil yapılarının bileşim temsili
ŞABAN DALAMAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ARSLAN
- Stock price prediction using deep learning methods in high-frequency trading
Derin öğrenme metotlarını kullanarak yüksek frekanslı işlemlerde borsa fiyat tahmini
EMRE ALBAYRAK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. AYŞE NURDAN SARAN
- Fazekaz skalasının MRG'de derin öğrenme metotlarını kullanarak otomatik sınıflandırılması
Automated classification of the phasecase scale in mri using deep learning methods
RAMAZAN YILDIZ
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpVan Yüzüncü Yıl ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. ADEM YOKUŞ
- Derin öğrenme yöntemiyle panoramik radyografilerde sekonder çürük tespiti
Secondary caries detection with deep learning in panoramic radiographs
GÖKTUĞ YERSEL
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiKocaeli ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
PROF. DR. NESLİHAN TEKÇE