Metin madenciliği ve derin öğrenme yöntemleriyle film eleştirilerinde duygu sınıflandırması
Sentiment classification in film reviews using text mining and deep learning methods
- Tez No: 994469
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ŞİMŞEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Makine öğrenmesi, Sınıflandırma algoritması, Veri madenciliği, Deep learning, Machine learning, Classification algorithm, Data mining
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ostim Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, IMDb'den elde edilen 50.000 film yorumundan oluşan bir veri kümesi üzerinde metin madenciliği, derin öğrenme ve transformatör tabanlı dil modellerinin duygu sınıflandırma performansını araştırmaktadır. Geleneksel yaklaşımlar TF-IDF gösterimleri kullanılarak uygulanırken, derin öğrenme modelleri kelime gömme katmanlarını, transformatör tabanlı modeller ise önceden eğitilmiş mimarileri kullanmıştır. Sonuçlar doğrultusunda, MPNet modelinin %94,30 doğruluk ve %94,25 F1 puanı ile en üstün genel performansı elde ettiğini göstermektedir. Özellikle, %89,13 doğruluk oranıyla Lojistik Regresyon algoritması, LSTM, 1D-CNN ve GRU gibi geleneksel derin öğrenme mimarilerinden daha iyi performans göstererek, önemli ölçüde daha düşük hesaplama maliyetiyle güçlü bir verimlilik sergilemiştir. Bu bulgular, modern transformatör modellerinin (MPNet, DeBERTa-v3) karmaşık dilsel kalıpları modellemedeki etkinliğini vurgulamakta ve uygun şekilde optimize edilmiş doğrusal modellerin duygu analizi araştırmalarında pratik önemini koruduğunu doğrulamaktadır.
Özet (Çeviri)
This thesis investigates the sentiment classification performance of text mining, deep learning, and transformer-based language models on a dataset of 50,000 movie reviews obtained from IMDb. Traditional approaches were implemented using TF-IDF representations, while deep learning models employed word embedding layers, and transformer-based models relied on pre-trained architectures. The experimental results indicate that the MPNet model achieved the best overall performance, reaching an accuracy of 94.30% and an F1-score of 94.25%. Notably, the Logistic Regression algorithm, with an accuracy of 89.13%, outperformed conventional deep learning architectures such as LSTM, 1D-CNN, and GRU, demonstrating strong efficiency with significantly lower computational cost. These findings highlight the effectiveness of modern transformer models (MPNet, DeBERTa-v3) in modeling complex linguistic patterns and further confirm that properly optimized linear models continue to hold practical relevance in sentiment analysis research.
Benzer Tezler
- Otel firmalarına yapılan yorumların metin madenciliği ve derin öğrenme yöntemleri ile analizi
Analysis of reviews made to hotel companies using text mining and deep learning methods
MUHAMMED KAAN AKGÜN
Yüksek Lisans
Türkçe
2025
Yönetim Bilişim SistemleriAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
DR. ÖĞR. ÜYESİ UĞUR DEMİROĞLU
- Türkçe his analizinde optimizasyon ve ön-eğitimli modellerin kullanımı
Use of optimization and pre-trained models in Turkish emotion analysis
ALAETTİN UÇAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EBRU SEZER
- Türkçe metinlerde duruş tespiti
Stance detection in Turkish texts
KAAN KEMAL POLAT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİLGÜN GÜLER BAYAZIT
- 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
- Türkiye'deki havayolu firmalarıyla ilgili sosyal medya yorumlarının makine öğrenmesi yöntemleriyle sınıflandırılması
Classification of social media comments about airline companies in Turkey by machine learning methods
HATİCE ELİF EKİM
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER