Sosyal ağlarda görsel duygu analizi
Visual sentiment analysis on social networks
- Tez No: 1016351
- Danışmanlar: DR. ÖĞR. ÜYESİ ARZUM KARATAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bandırma Onyedi Eylül Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, sosyal medya platformlarındaki görsel içeriklerin duygusal değerlerini analiz etmek amacıyla güncel Çok Modlu Büyük Dil Modelleri (MLLM) ile Doğal Dil İşleme (NLP) tabanlı zenginleştirme yaklaşımlarının performanslarını karşılaştırmalı olarak incelemektedir. Araştırma süreci, veri hazırlama ve model başarım analizi odaklı iki ana fazdan oluşmaktadır. İlk aşamada (Faz 1) ham veri setlerinin sınırlılıkları değerlendirilmiş; ikinci aşamada (Faz 2) ise veriler %80 eğitim ve %20 test kümesi olarak bölümlenerek sınıf dengesizliğini gidermek amacıyla veri artırımı uygulanmıştır. Deneysel süreçte; görseli doğrudan vektör uzayında işleyen multimodal mimariler (Yol 1: CLIP, SigLIP, MetaCLIP) ve görselden üretilen metinsel betimlemeler üzerinden duygu çıkarımı yapan anlamsal zenginleştirme yaklaşımı (Yol 2: Florence-2 + ELECTRA/BERT/XLM) kıyaslanmıştır. Emotion6, Image Sentiment ve FindingEmo veri setlerindeki testler sonucunda; doğrudan multimodal çıkarım yapan mimarilerin, metin tabanlı yaklaşımlara kıyasla tüm senaryolarda daha yüksek F1 skorları ürettiği saptanmıştır. Özellikle SigLIP ve CLIP-ViT-H modellerinin, görsel atmosferi ve semantik derinliği korumada dil modellerinden daha dirençli olduğu gözlemlenmiştir. Çalışmanın temel bilimsel katkıları; ham verilerin doğrudan işlendiği ilk faz ile verinin dengelenerek eğitildiği ikinci fazı kapsayan iki aşamalı deneysel bir tasarım sunması ve güncel modellerin gürültülü sosyal medya verilerindeki sınırlarını şeffafça raporlamasıdır. Özellikle Nötr sınıfı tespitindeki zorluklar, duygusal boşluk (affective gap) probleminin güncel modeller için hala önemli bir eşik olduğunu göstermektedir. Ayrıca çalışma, veri dengelemenin Macro F1 skorunu nasıl stabilize ettiğini gösteren metodolojik, teorik ve ampirik bir altyapı sunmaktadır.
Özet (Çeviri)
This study comparatively examines contemporary Multimodal Large Language Models (MLLMs) and Natural Language Processing (NLP) based enrichment approaches to analyze the emotional values of social media visual content. The research process consists of two phases focused on data preparation and model performance analysis. In Phase 1, raw dataset limitations were evaluated; in Phase 2, data was partitioned into an 80% training and 20% test set, applying data augmentation to address class imbalance. The experimental process compared multimodal architectures directly processing visuals within the vector space (Path 1: CLIP, SigLIP, MetaCLIP) and the semantic enrichment approach extracting sentiment through visual-generated textual descriptions (Path 2: Florence-2 + ELECTRA/BERT/XLM). Tests on Emotion6, Image Sentiment, and FindingEmo datasets indicated that direct multimodal inference architectures produced higher F1 scores across all scenarios compared to text-based approaches. Particularly, SigLIP and CLIP-ViT-H models were more resilient than language models in preserving visual atmosphere and semantic depth. The main scientific contributions include presenting a two-phase experimental design (direct raw data processing followed by balanced data training) and transparently reporting contemporary model limitations on noisy social media data. Specifically, challenges in detecting the Neutral class demonstrate that the affective gap remains a significant limit for current models. Furthermore, the study provides a methodological, theoretical, and empirical foundation illustrating how data balancing stabilizes the Macro F1 score.
Benzer Tezler
- Sosyal mühendislikte komplo tabanlı içeriklerin yapay zekâ ile analizi
Analysis of conspiracy-based content in social engineering with artificial intelligence
EMEL KOÇYİĞİT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH ÇALLI
- Görsel sanatlar öğretimine yönelik sosyal ağ odaklı görsel kültür uygulamalarının incelenmesi
The investigation of visual culture practices focused on social network on visual art teaching
EBRU ÇIĞIR
Doktora
İngilizce
2016
Eğitim ve ÖğretimAnadolu ÜniversitesiGüzel Sanatlar Eğitimi Ana Bilim Dalı
DOÇ. DR. SUZAN DUYGU ERİŞTİ
- The presence of digital diplomacy in Palestinian foreign policy: Research on the digital efforts of Palestinian ambassadors to the Western world after the 7th of October 2023
Başlık çevirisi yok
NORHAN ALA'ALDIN NAZIEH MASRI
Yüksek Lisans
İngilizce
2025
İletişim BilimleriAnkara ÜniversitesiMedya ve İletişim Çalışmaları Ana Bilim Dalı
PROF. DR. BESİME PINAR ÖZDEMİR
- 1985-1986 yıllarında Polatlı Devlet Hastanesine kaza nedeniyle başvuranların incelenmesi
Başlık çevirisi yok
FERHAN ŞENOL
Yüksek Lisans
Türkçe
1986
İlk ve Acil YardımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. HİKMET PEKCAN