Geri Dön

Sarcasm detection from text with context information using deep learning

Derin öğrenme kullanarak bağlam bilgisi ile metinden açılama tespiti

  1. Tez No: 829299
  2. Yazar: MUHAMMAD USMAN
  3. Danışmanlar: YRD. DOÇ. DR. ABDULLAH ABDU IBRAHIM
  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: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Derin öğrenme yöntemleri son zamanlarda büyük ilgi gördü ve doğal dil işleme alanında dikkate değer bir ilerleme kaydetti. Alaycılığın sübjektif ve bağlama bağlı karakteri, onu bu disiplinin temel hedeflerinden biri haline getirerek çözülmesini zorlaştırır. Alaycılık, olumsuz bir görüşe sahip olunduğunda mizahi bir şekilde iletmek, alay etmek veya eleştirmek için sıklıkla kullanılan tipik bir insan davranışıdır. Alaycı ifadeler sıklıkla gerçek olanlardan farklı anlamlara sahip olduklarından, sıradan konuşmalardan farklıdırlar. Çeşitli sosyal ağlar ve sosyal medya platformlarında zaman içinde fikir içeriklerinin hacminin artması sonucunda birçok çalışma yapılmaktadır. Alay, tweet'lerde ve yorumlarda çok yaygın olduğu için sosyal medya ağlarında büyük rol oynuyor. Bu noktada, kullanıcı tarafından oluşturulan metnin duruş, duygu ve tutum gibi çağdaş, uygulama odaklı, ince taneli yönlerine odaklanılır. Yazarların gerçek niyetlerini belirlemek için, kullanıcı tarafından oluşturulan içeriğin sözdizimsel, sözcüksel ve anlamsal analizi ilkeleri üzerindeki alayları tespit etmek için çok sayıda önceki model geliştirilmiştir. Bağlam verilerini ve derin öğrenme tekniklerini kullanarak, bu çalışmadaki metinden iğneleme tespiti için benzersiz bir yöntem sunuyoruz. Bu çalışmada alaycılığı tanımlamak için sözlüksel, pragmatik ve anlamsal değişkenler de kullanılmıştır. Alaycılığı bağlamdan tanıyabilen derin bir sinir ağı tabanlı bağlamsal iğneleme sensörü ortaya koyduk. Bağlamsal bir iğneleme detektörü, kullanıcının kişiliğini ve stilometrik özelliklerini kaydeden kullanıcı yerleştirmeyi içerir, çünkü ifade tarzı ve iğnelemenin içsel değişkenliği kişiden kişiye farklılık gösterir. Önerilen bu modelin doğruluk oranı %91'dir. BERT sınıflandırıcıyı kullanarak Urduca belgeleri sınıflandırmak için transfer öğrenmenin performans etkisini yüzde 72 doğrulukla ölçtü. CNN ve Word2Vec, yerleştirmelerden içerik tabanlı özellikleri çıkarmak için kullanılmıştır.

Özet (Çeviri)

Deep learning methods have received a great deal of attention recently and have advanced remarkably in the field of natural language processing. The subjective and context-dependent character of sarcasm makes it a difficult challenge to solve, making it one of the essential objectives in this discipline. Sarcasm is a typical human behavior that is frequently used to transmit, mock, or criticize in a humorous way when one has an unfavorable view. Because sarcastic phrases frequently have different meanings from genuine ones, they are different from ordinary conversation. Many studies are being conducted on various social networks and social media platforms as a result of the increase in the volume of opinionated content on these platforms over time. Sarcasm plays a big part in social media networks since it is so common in tweets and comments. At this point, the focus is on contemporary, application-oriented, fine-grained aspects of the user-generated text, such as posture, emotions, and attitude. To identify the authors' true intents, numerous previous models have been developed to detect sarcasm on the principles of syntactical, lexical, and semantic analysis of user-generated content. Using context data and deep learning techniques, we offer a unique method for sarcasm identification from the text in this study. In this study, lexical, pragmatic, and semantic variables are also used to identify sarcasm. We put out a deep neural network-based contextual sarcasm sensor that can recognize sarcasm from context. A contextual sarcasm detector incorporates user embedding, which records the user's personality and its stylometric characteristics because the manner of expression and sarcasm's inherent variability differ from person to person. This suggested model has a 91% accuracy rate. It measured the performance impact of transfer learning for classifying Urdu documents with 72 percent accuracy using the BERT classifier. CNN and Word2Vec have both been used to extract content-based characteristics from embeddings.

Benzer Tezler

  1. Türkçe için sahte haber tespit modelinin oluşturulması

    A fake news detection model for Turkish language

    UĞUR MERTOĞLU

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURKAY GENÇ

    PROF. DR. HAYRİ SEVER

  2. Türkçe metinlerde duygu analizi

    Sentiment analysis in Turkish texts

    CUMALİ TÜRKMENOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ

  3. Sarcasm Detection in Text Using Deep Neural Networks

    Derin Sinir Ağları Kullanılarak Metin İçinde Alaycılık Tespiti

    GİZEM GÜMÜŞÇEKİÇCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık Üniversitesi

    Bilgisayar Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RAHİM DEHKHARGHANİ

  4. Ahmad Matar örneğinde Arap şiirinde alay

    Sarcasm in Arabic portry Ahmed Matar as a model

    HATİCE HAMİD

    Yüksek Lisans

    Arapça

    Arapça

    2021

    DinKilis 7 Aralık Üniversitesi

    Temel İslam Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMAD SHAIKH HUSAYN