Aspect based opinion mining on Turkish tweets
Türkce tweetlerde konu bazli düşünce analizi
- Tez No: 309443
- Danışmanlar: DOÇ. DR. HAKAN FERHATOSMANOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Özetleme, Summarizing
- Yıl: 2012
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kişiler ve markalar hakkındaki g ör üşleri anlamak, itibar y önetimi ve karar verme konularında yardımcı olur. Sosyal medyann gelişiyle, daha çok insan tavsiye ve g ör üşlerini aleni şekilde paylaşmaya istekli hale gelmiştir. Sosyal alanların tip ve miktarı arttığı için, metinsel kaynaklardaki duygu analizini otomatize etmek, zaruri bir veri madenciliği görevi haline gelmiştir. Duygu sınıflandırma, metindeki duygu kutupluluğunu belirlemeyi amaçlar. Kutupluluk, duygunun g üçl ül üğ u belirtildiği kadar, ya ikili (pozitif, negatif) ya da cok değişkenli skalada tahmin edilir. Metinler çoğu kez pozitif ve negatif duyguların karışımını ihtiva ederler; dolayısıyla, bu iki tip duyguyu sıkça aynı anda saptamak gereklidir. Metni duygu kutupluluğuna g öre sınıflandırmak ana bir g örev iken, duyguları her alt konulariçin ayrı ayrı analiz etmek, çoğu uygulama için daha faydalı olabilir.Biz bu çalışmada, bir kısa metin koleksiyonu üzerinde kişi ve başlıklar hakkındaki alt konuları çıkararak, d üşünce analizi problemi üzerinde inceleme yapmaktayız. Resmi olmayan kısa mesajlar içeren T urkçe tweetler üzerinde yoğunlaşmaktayız. D üşünce analizi üzerinde literat ürde yer alan kelime s özl üğü ve etiketli veriler gibi kaynakların çoğu ingilizce içindir. Bizim yaklaşımımızın, b öyle zengin kaynakların olmadığı diğer diller için duygu analizini geliştirmeye yardımcı olması m ümk ünd ür. Birtakım önişleme adımlarından sonra, veriden ür ün(ler) hakkındaki alt konuları çıkarıp, bu konulara dayanarak tweetleri gruplamaktayız. Elle işletilerek oluşturduğumuz T ürkçe duygusal kelime listesine ek olarak, bir kelime seçme algoritması kullanıp, kelimelerin duygu g üçl ül üğ ü ilebirlikte bir otomatize oluşum y öntemi geliştirildi. Daha sonra, duygu tabanlı metin g österim şekli olarak ifade edilen, kelimelerin duygu g üçl ül üğüne g öre metnin yeni bir g österim şekli oluşturuldu. Metinlerin öznitelik vekt ör ü, bu yenig österim şekline g öre oluşturulmaktadr. Pozitif ve negatif duygu karışımını belirlemek için çok değişkenli skalada öznitelik vekt örlerine dayanan sınıflandırıcılar oluşturmak ve bunların performansını Twitter API vasıtasıyla zamanla toplananT ürkçe tweet verisinde test etmek için makine öğrenmesi y öntemlerini uyarlamaktayız.
Özet (Çeviri)
Understanding opinions about entities or brands is instrumental in reputation management and decision making. With the advent of social media, more people are willing to publicly share their recommendations and opinions. As the type and amount of such venues increase, automated analysis of sentiment on textualresources has become an essential data mining task. Sentiment classication aims to identify the polarity of sentiment in text. The polarity is predicted on either a binary (positive, negative) or a multi-variant scale as the strength of sentimentexpressed. Text often contains a mix of positive and negative sentiments, hence it is often necessary to detect both simultaneously. While classifying text based on sentiment polarity is a major task, analyzing sentiments separately for each aspect can be more useful in many applications.In this thesis, we investigate the problem of mining opinions by extracting aspects of entities/topics on collection of short texts. We focus on Turkish tweets that contain informal short messages. Most of the available resources such as lexicons and labeled corpus in the literature of opinion mining are for the English language. Our approach would help enhance the sentiment analyses to other languages where such rich sources do not exist. After a set of preprocessing steps, we extract the aspects of the product(s) from the data and group the tweets based on the extracted aspects. In addition to our manually constructed Turkish opinion word list, an automated generation of the words with their sentiment strengths is proposed using a word selection algorithm. Then, we propose a new representation of the text according to sentiment strength of the words, which we refer to as sentiment based text representation. The feature vectors of the text are constructed according to this new representation. We adapt machine learning methods to generate classiers based on the multi-variant scale feature vectors to detect mixture of positive and negative sentiments and to test their performance on Turkish tweets.
Benzer Tezler
- Stock value prediction using machine learning and text mining
Makine öğrenmesi ve metin madenciliği kullanılarak hisse senedi fiyatlarının tahminlendirilmesi.
AYŞENUR DİLARA ÇELİKEL
Yüksek Lisans
İngilizce
2018
Bilim ve TeknolojiKadir Has ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. HASAN DAĞ
- Feature based sentiment analysis on informal Turkish texts
Konuşma dilinde yazılmış Türkçe metinler üzerinde özellik tabanlı duygu analizi
BATUHAN KAMA
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR KARAGÖZ
PROF. DR. İSMAİL HAKKI TOROSLU
- Aspect-based sentiment analysis in Turkish
Türkçe hedef-tabanlı duygu analizi
DENİZ ÖZKAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇİĞDEM TURHAN
- تعليم اللغة العربية للناطقين بغيرها تعليماً مدمجاً من وجهة نظر معلمي تعليم اللغة العربية في تركيا
Arapça konuşmayan öğrencilerin öğretiminde Arapça öğretmenlerinin bakış açısından harmanlanmış eğitim
SAADEDDİN ALKURDI
Yüksek Lisans
Arapça
2022
Eğitim ve Öğretimİstanbul Aydın ÜniversitesiArap Dili Eğitimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DURSUN ALİ TÜRKMEN
