Sentiment analysis based on natural language processing and deep learning in a software engineering perspective
Yazılım mühendisliği perspektifinde doğal dil işleme ve derin öğrenmeye dayalı duygu analizi
- Tez No: 860685
- Danışmanlar: PROF. DR. OSMAN AYHAN ERDEM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
Duygusal Analiz, insanların duygularını metin belgeleri aracılığıyla tanımlamaya ve değerlendirmeye yönelik bir hesaplama stratejisi olarak kabul edilir. Makine Öğrenmesi, Derin Öğrenme teknikleri ve Doğal Dil İşleme kullanılarak hem olumlu hem de olumsuz duyguların metin veri analitiği şeklinde belirlenmesi için farklı araç ve yöntemler kullanılmıştır. Önerilen model, veri ön işleme aşamasında Vader duyarlılık paketini kullanıyor ve özellikler Deep LSTM kullanılarak çıkarılıyor, ardından çıkarılan özelliklerin boyutlarının azaltılması, PCA ve SVD ile Biyo-ortogonalizasyon algoritması kullanılarak gerçekleştirilir. Sonunda, hiperparametre ayarlamasının ardından duygular, 4000 öykü veri kümesinden elde edilen bilgilere dayalı olarak mutlu veya üzgün öyküler halinde kategorize edilir. Deneysel sonuç, önerilen modelin %99,631 doğruluk oranına ulaştığını ortaya çıkardı.
Özet (Çeviri)
Sentiment analysis, or SA, is regarded as a computational technique that aids in determining and evaluating people's emotions through text documents. Tools are used to produce insights for extracting the user experience in order to perform SA. Additional techniques have been implemented to ascertain positive and negative emotions through text data analytics, utilizing NLP (Natural Language Processing), ML (Machine Learning), and DL (Deep Learning) approaches. Nonetheless, it is thought that the current approaches are less able to provide precise and accurate value for predicting various emotions. The suggested model uses three algorithms to overcome the lower accuracy rate because it may be the result of using ineffective algorithms. This will improve the model's performance. The suggested model performs the binary classification of the model and looks at the readers' emotional reaction to the feature scenes that are either happy or sad. Three phases comprise the implementation of the proposed study, which incorporates three algorithms. First, label encoding and a Vader sentiment package are used for data preprocessing. Then, for the feature extraction process, Deep LSTM (Long Short Term Memory) is used. Applying Deep LSTM to the data facilitates the extraction of important and pertinent attributes. After that, a bi-orthogonalization algorithm using Principal Component Analysis (PCA) and Singular Value Decomposition (SVD) is used to perform dimensions of the extracted features. This aids in decreasing the dimensions, resolves the scalability problems, and eases the worries about sparsity in the overall classification rating. Ultimately, following hyperparameter adjustment, the feelings are classified into multiple story types. The current research categorizes readers' emotions based on information from the 4000 stories dataset. The results of the experiment showed that the accuracy rate attained by the suggested model was 99.631%. Furthermore, several performance metrics, including recall, accuracy, precision, and F1 score, are used to assess the effectiveness of the suggested model.
Benzer Tezler
- Soğan mimarisinde metin içeriklerinin yapay zekâ destekli modeller ile değerlendirilmesi ve dağıtımı
Evaluation and distribution of text contents with models supported by artificial intelligence techniques in onion architecture
SEMİH OSMAN SAKA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSamsun ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAFER CÖMERT
- Türkçe doğal dil işleme ve derin öğrenme yöntemleri kullanarak sosyal medyada halk sağlığı takibi
Public health monitoring on social media using Turkish natural language processing and deep learning methods
DOĞAN KÜÇÜK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NURSAL ARICI
- An ontology based approach for question answering systems that using machine learning
Makine öğrenmesi kullanan soru cevaplama sistemleri için ontoloji tabanlı bir yaklaşım
ZEKERİYA ANIL GÜVEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT OSMAN ÜNALIR
- Kuantum hesaplama kullanan derin öğrenme ile karşılıklı görüşmelerde duygu analizi
Sentiment analysis in conversations with deep learning using quantum computing
SEDEF AKSU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Kelime gömme yaklaşımlarının iadesiz torbalanmasına dayanan uzun kısa süreli bellek mimarisi ve metin sınıflandırmasına uygulanması
Long-short term memory architecture based on non-returnable baggigng of word embedding approaches and an application to text classification
MUHAMMET OĞUZHAN YALÇIN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. NEVİN GÜLER DİNCER