Extreme learning machine and text mining approach in sentiment analysis on massive open online course evaluations
Kitlesel çevrimiçi açık ders değerlendirmelerinde duygu analizinde aşırı öğrenme makinesi ve metin madenciliği yaklaşımı
- Tez No: 823599
- Danışmanlar: DOÇ. DR. BAHA ŞEN, DOÇ. DR. FATMA GİZEM KARAOĞLAN YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 47
Özet
Son yıllarda internet ve sosyal medyanın kullanımı, e-ticaret, eğitim, sağlık gibi çeşitli alanlarda günden güne artmaktadır. İnternet kullanıcıları bu alanlarda yorum öneri ve değerlendirmelerini kolayca yapabilmektedir. Bu durum şirketler ve kurumların kullanıcı özelliklerini tanımak amacıyla duygu analizi kullanımının artmasına yol açmıştır. Duygu analizi, Doğal Dil İşleme ve Makine Öğrenmesi yöntemleri kullanılarak işlenmemiş metin verisinden duygusal tonun olumlu, olumsuz ya da nötr olma durumunun belirlenmesi ve kullanıcı özelliklerinin çıkarılması için metnin analiz edilmesidir. Uzaktan eğitimin yaygınlaşmasıyla duygu analizinin bu alanda kullanımı da artmıştır. Özellikle uzaktan eğitimde katılımcılara öğrenme içeriği sağlayan Kitlesel Açık Çevrimiçi Kurslara (KAÇD) yapılan değerlendirmeler analiz edilmek istenmektedir. Bu bağlamda duygu analizini gerçekleştirmek üzere çeşitli makine öğrenmesi algoritmaları kullanılmaktadır. Bu çalışmanın amacı, KAÇD değerlendirmelerinde metin madenciliği ve Aşırı Öğrenme Makinesi algoritması kullanılarak duygu analizi yapabilen tahminsel bir sistem geliştirmektir. İlk olarak, 17159 KAÇD değerlendirmeleri içeren bir veri seti oluşturulmuştur. Oluşturulan veri setine metin madenciliği yöntemleriyle önişleme gerçekleştirilmiş ve ardından özellik çıkarma metodu Word2vec uygulanmıştır. Son olarak önerilen bu sistem Aşırı Öğrenme Makinesi algoritması için 5 farklı aktivasyon fonksiyonu ile farklı gizli nöron sayılarına göre sınıflandırma için çalıştırılmıştır. Sonuç olarak, gizli nöron sayısı 30 iken sigmoid aktivasyon fonksiyonu ile en yüksek 85% doğruluk değeri elde edilmiştir.
Özet (Çeviri)
In recent years, the use of the internet and social media has been increasing day by day in various fields such as e-commerce, education, and health. Internet users can easily make comments, suggestions, and evaluations in these areas. This situation has increased the use of sentiment analysis to recognize the user characteristics of companies and institutions. Sentiment analysis is the analysis of the text to determine the positive, negative, or neutral emotional tone from raw text data using Natural Language Processing and Machine Learning methods and to extract user characteristics. With the spread of distance education, the use of sentiment analysis in this field has also increased. It is desired to analyze the evaluations made on Massive Open Online Courses (MOOCs), which provide learning content to participants in distance education. In this context, various machine learning algorithms are used to perform sentiment analysis. The aim of this study is to develop a predictive system that can perform sentiment analysis in MOOC evaluations using text mining and the Extreme Learning Machine algorithm. First, a dataset containing 17159 MOOC evaluations was created. The created dataset was preprocessed with text mining methods and then the feature extraction method Word2vec was applied. Finally, this proposed system has been run for classification according to different hidden neuron numbers with 5 different activation functions for the Extreme Learning Machine algorithm. As a result, while the number of hidden neurons was 30, the highest accuracy value of 85% was obtained with the sigmoid activation function.
Benzer Tezler
- Twitter sentiment analysis via machine learning
Makine öğrenimi yoluyla twitter duygu analizi
KEMAL MAHMUT KAŞGARLI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANER ARSAN
- Author identification with transfer learning
Transfer öğrenimi ile yazar tanıma
İBRAHİM YÜLÜCE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİŞTAH DALKILIÇ
- Amazon müşteri yorumlarının duygu analizi yöntemleriyle değerlendirilmesi
Evaluating Amazon customer reviews through sentiment analysis techniques
SABUHI YUSIFOV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ SEBETCİ
- Multi-label classification of text document using deep learning
Derin öğrenme kullanan metin belgelerinin çoklu etiket sınıflandırılması
HAMZA HARUNA MOHAMMED
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDÜL KADİR GÖRÜR
DR. ÖĞR. ÜYESİ ROYA CHOUPANI
- Doğal dil işlemede makine öğrenme yöntemlerinin şair tanıma problemi üzerinde kıyaslanması
Comparison of machine learning methods in natural language processing on the poet recognition problem
AYKHAN BAGHIROV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ SEBETCİ