Geri Dön

Derin öğrenme ile beklenti tabanlı duygu analizi

Aspect based sentiment analysis with deep learning

  1. Tez No: 842914
  2. Yazar: MELEK TURAN
  3. Danışmanlar: DOÇ. DR. METİN BİLGİN, DR. ALİ DURAN
  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: Türkçe
  9. Üniversite: Bursa Uludağ Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 83

Özet

Bu çalışmada, Türkçe metinlerdeki ,belirli öğeler veya unsurları baz alarak, duygusal ifadelerin otomatik tahminlenmesine dayanmaktadır. Bu tekniğin, marka yönetimi, müşteri hizmetleri, reklamcılık ve diğer birçok alanda önemli bir rol oynaması hedeflenmektedir. Türkçe için yapılan beklenti tabanlı duygu analizi çalışmaları henüz sınırlıdır. Bu durum, Türkçe metinlerdeki duygusal ifadeleri tespit etmek için kullanılan yöntemlerle, Türkçe dilinin özelliklerini dikkate alarak etkili sonuçlar üretmeyi önemli kılmaktadır. Çalışmada, belirteç sınıflandırma ve duygu sınıflandırma olmak üzere iki ayrı yöntem kullanılmıştır. Belirteç sınıflandırma yöntemi için, Türkçe için önceden eğitilmiş BERT, ConvBERT, ELECTRA, DeBERTa, DistilBERT olmak üzere 5 farklı modelin karşılaştırmalı analizi gerçekleştirilmiştir. Belirteç sınıflandırma yöntemi ile metinlerdeki ayırıcı unsurların tespit edilmesi, bu unsurların temsil ettiği kategorilerin belirlenmesi sağlanmıştır. Duygu sınıflandırma için önceden eğitilmiş sıralı sınıflandırma modellerinden BERT, ConvBERT, ELECTRA, DistilBERT olmak üzere 4 farklı model kullanılmıştır. Pozitif, negatif ve nötr sınıflarından oluşan restoran (Pontiki vd., 2016) verileri ile eğitim gerçekleştirilmiştir. İki yöntem bir arada kullanarak tasarlanan arayüzde, girdi olarak verilen metin için ilk olarak, belirteç sınıflandırma ile belirteçler seçilmekte, seçilen belirteçler ait olduğu kategoriye göre sınıflandırılmakta, son olarak kategoriye ait duygu sınıfı sıralı sınıflandırma modelleri aracığı ile sunulmaktadır. Eğitimler sonucunda, modeller F1-skor, kesinlik, duyarlılık, doğruluk metriklerine göre değerlendirilmiştir.

Özet (Çeviri)

This study is based on the automatic prediction of emotional expressions in Turkish texts, focusing on specific elements or aspects. This technique is expected to play an important role in branding, customer service, advertising and various other fields. There is a limited amount of research into Aspect Based Sentiment Analyzing (ABSA) in Turkish. This highlights the importance of the development of effective methods that take into account the characteristics of the Turkish language for the detection of emotional expressions in Turkish texts. This study used two methods, token classification and sentiment analysis.The token classification was carried out by using five different models: BERT, ConvBERT, ELECTRA, DeBERTa, and DistilBERT, which were pre-trained for Turkish. The aim of this method is the identification of differentiating elements in the texts and the determination of the categories they represent.. For sentiment analysis, four pre-trained sequential classification models—BERT, ConvBERT, ELECTRA, and DistilBERT—were used. The models were trained using restaurant data (Pontiki et al., 2016) consisting of positive, negative, and neutral classes. In the interface designed by combining these two methods, the input text was first analyzed using aspect-based sentiment classification to select relevant aspects. These aspects were then classified based on their corresponding categories, and the sentiment class specific to each category was determined using sequential classification models. The models were evaluated based on metrics such as F1-score, precision, recall, and accuracy.

Benzer Tezler

  1. Deep learning based road segmentation from multi-source and multi-scale data

    Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi

    OZAN ÖZTÜRK

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  2. High-speed trajectory replanning and trajectory tracking for collision avoidance

    Çarpışma önlemek için yüksek hızlı rota planlama ve rota takibi

    MEHMET HASANZADE

    Doktora

    İngilizce

    İngilizce

    2021

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE KOYUNCU

  3. Neural network based channel estimation for time-varying OFDM systems

    Zamanla değişen OFDM sistemlerde yapay sinir ağı tabanlı kanal kestirimi

    EMRE MOLLAHÜSEYİNOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiKadir Has Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ATİLLA ÖZMEN

    DOÇ. DR. HABİB ŞENOL

  4. Player modeling by using unsupervised learning methods

    Gözetimsiz öğrenme yöntemleri ile oyuncu modelleme

    MEHMET FATİH KAVUM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. SANEM SARIEL UZER

  5. İngiltere vatandaşlık eğitimine yönelik bir değerlendirme

    An evaluation of citizenship education in England

    GÖKHAN ÖNAL

    Doktora

    Türkçe

    Türkçe

    2017

    Eğitim ve ÖğretimMarmara Üniversitesi

    İlköğretim Ana Bilim Dalı

    PROF. DR. CEMİL ÖZTÜRK

    PROF. DR. SEYFİ KENAN