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: Belirtilmemiş.
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
- Discovering market insights from online product reviews through sentiment analysis
Çevrimiçi müşteri yorumları ile duygu analizi ve pazar payı için bir içgörü aracı
MUHAMMET ALİ KADIOĞLU
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN IŞIKLI
- 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
- 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
- Türkçe hedef tabanlı duygu analizi için alt görevlerin incelenmesi–hedef terim, hedef kategori ve duygu sınıfı belirleme
Inspecting sub tasks of aspect based sentiment analysis in Turkish language–opinion target expression, aspect category and sentiment polarity detection
FATİH SAMET ÇETİN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLŞEN ERYİĞİT
- Ürün özelliklerinin Türkçe kullanıcı yorumlarından özellik tabanlı sentiment analizi ile keşfedilmesi
Discovering product features from Turkish reviews by using aspect based sentiment analysis
HAZAL TÜRKMEN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİNÇ İLHAN OMURCA