Sarcasm detection from text with context information using deep learning
Derin öğrenme kullanarak bağlam bilgisi ile metinden açılama tespiti
- Tez No: 829299
- Danışmanlar: YRD. DOÇ. DR. ABDULLAH ABDU IBRAHIM
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Türkçe için sahte haber tespit modelinin oluşturulması
A fake news detection model for Turkish language
UĞUR MERTOĞLU
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURKAY GENÇ
PROF. DR. HAYRİ SEVER
- Türkçe metinlerde duygu analizi
Sentiment analysis in Turkish texts
CUMALİ TÜRKMENOĞLU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Sarcasm Detection in Text Using Deep Neural Networks
Derin Sinir Ağları Kullanılarak Metin İçinde Alaycılık Tespiti
GİZEM GÜMÜŞÇEKİÇCİ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAHİM DEHKHARGHANİ
- Effects of interaction-based instruction on secondlanguage learner recognition of sarcasm in American english
Başlık çevirisi yok
SEVAL KARAKOÇ
- Ahmad Matar örneğinde Arap şiirinde alay
Sarcasm in Arabic portry Ahmed Matar as a model
HATİCE HAMİD
Yüksek Lisans
Arapça
2021
DinKilis 7 Aralık ÜniversitesiTemel İslam Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMAD SHAIKH HUSAYN