Aspect-based sentiment analysis for turkish using deep learning model combinations
Türkçe için derin öğrenme modelleri kullanarak özellik bazlı duygu analizi
- Tez No: 881637
- Danışmanlar: PROF. DR. TUNGA GÜNGÖR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 130
Özet
İnsanlar ürünler ve hizmetler gibi varlıklarla yaşadıkları deneyimlerini paylaşmak için World Wide Web'i yoğun bir şekilde kullanmaktadır. Bu incelemeler ve yorumlar tüketici kararları için önemlidir ve memnuniyeti ölçmek için kullanılabilecek değerli bir kaynak oluşturur. Duygu analizi, bu tür metin parçalarında ifade edilen düşünceleri belirlemeye yönelik bir doğal dil işleme görevidir. Özellik Tabanlı Duygu Analizi (ABSA), varlıkların belirli özelliklerine ilişkin duygu ifadelerine ayrıntılı bilgiler sağlama yeteneği olan ve son yıllarda büyük ilgi gören bir araştırma alanıdır. Bu tezde ağırlıklı olarak ABSA'nın özellikle Türkçe'de duygu analizi ve özellik çıkarma kısımlarına odaklanılmıştır. Duygu analizi için iki yaklaşım kullanılmıştır. Bunlardan ilki, bağlamsal olmayan ve bağlamsal olan ortalama gömme vektörleri geliştirmek ve pozitif ve negatif hassasiyet etiketli yorumlardaki kelime sıklıklarını kullanarak bu gömme vektörlerine ağırlıklar eklemektir. İkincisi, farklı gömme yöntemleri ve tokenizasyon yaklaşımlarıyla derin öğrenme modellerinin farklı kombinasyonlarını kullanmaktır. Yaygın olarak kullanılan alt kelime yöntemleri ve morfolojik olarak nitelenen bölümlemeler dahil olmak üzere on bir farklı tokenizasyon yaklaşımının kapsamlı bir analizi yapılmıştır. Tezin son kısmı, ABSA'nın önemli özellik çıkarma bileşeniyle ilgilidir; bu bileşen, yorumlardan özellik terimlerinin tanımlanmasını ve çıkarılmasını içerir. Belirteçler ve Konuşma Kısmı (POS) etiketleri için yerleştirmelere ek olarak yeni bir ağaç konumsal yerleştirme kullanılmıştır ve yeni bir öğrenme modeli geliştirmek için derin öğrenme algoritmaları kullanılmıştır. Mevcut Türkçe yorumların yanı sıra İngilizce yorumlar da Türkçeye çevrilerek ve yeniden etiketlenerek yeni bir veri seti oluşturulmuştur. Bulgularımız, en son teknikleri birleştirmenin etkinliğini göstererek, nesneye dayalı duygu analizinin geliştirilmesine katkıda bulunmuştur.
Özet (Çeviri)
People use the World Wide Web heavily to share their experiences with entities such as products, services or travel destinations. These reviews and comments are essential for consumer decisions and create a valuable source that may be used to measure satisfaction. Sentiment analysis (SA) is a natural language processing task of identifying opinions expressed in such text fragments. Aspect-Based Sentiment Analysis (ABSA) is a research area whose ability to provide fine-grained insights into sentiment expressions related to specific aspects or features of entities and it has gained significant attention in recent years. In this thesis, we mainly focus on sentiment analysis and aspect extraction parts of ABSA especially in Turkish. For SA, we used two approaches. The first is to develop average review vectors from noncontextualized and contextualized embeddings and add weights to these review vectors using word frequencies in positive and negative sensitivity-tagged reviews. The second is to use different combinations of deep learning models with different embedding methods and tokenization approaches. We make a comprehensive analysis of eleven different tokenization approaches, including the commonly used subword methods and morphologically motivated segmentations. We ensemble the models to find out which tokenization approaches produce better results together. The final part of the thesis is related to ABSA's crucial aspect extraction component, which involves identifying and extracting aspect terms from reviews. We develop a novel tree positional embedding, in addition to embeddings for tokens and Part-of-Speech (POS) tags, and deep learning algorithms are used to develop a novel learning model. A novel dataset is created from English reviews by translating them into Turkish and relabelling them in addition to an existing Turkish review dataset.
Benzer Tezler
- Deep learning based sentiment analysis for cloud provider selection
Bulut sağlayıcı seçimi için derin öğrenmeye dayalı duyarlılık analizi
MUHAMMAD RAHEEL RAZA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN TANYILDIZI
- Derin öğrenme ile beklenti tabanlı duygu analizi
Aspect based sentiment analysis with deep learning
MELEK TURAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN BİLGİN
DR. ALİ DURAN
- Derin öğrenme algoritmaları kullanarak Bitcoin'de duygu analizine dayalı yön tahmini
Direction prediction based on sentiment analysis in Bitcoinusing deep learning algorithms
AYŞENUR SARIKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERPİL ASLAN
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Derin öğrenme metodlarını kullanarak arapça metin tabanlı duygu analizi
Arabic text-based senti̇ment analysi̇s using deep learning methods
MARIAM ABAKAR NOKOUR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EYYÜP GÜLBANDILAR