Sentiment analysis with recurrent neural networks on Turkish reviews domain
Türkçe yorumlar alanı üzerinde özyineli sınır ağları ile duygu analizi
- Tez No: 549903
- Danışmanlar: PROF. DR. ÖMÜR UĞUR
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Bilimsel Hesaplama Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnternetin kullanılabilirliği ve bilgisayarlara, mobil cihazlara daha kolay erişim insanlara sosyal medyayı daha sık ve daha rahat kullanabilme fırsatı verdi. Sosyal medya, bloglar, forumlar, iş ağları, eleştiri siteleri ve sosyal ağlar dahil olmak üzere pek çok biçimde gelir. Bu nedenle, sosyal medya çeşitli ürün, hizmet, sosyal olaylar ve politika hakkında kullanıcıların görüşleri, düşünceleri ve tartışmaları şeklinde muazzam bir bilgi kaynağı oluşturur. Bu tür verileri iyi yapılandırarak ve analiz ederek, ürünler ve hizmetler hakkında önemli geri bildirimler elde edebiliriz. Bu araştırma alanı genellikle duygu analizi veya düşünce madenciliği olarak adlandırılmaktadır. Derin Sınır Ağları (DNNs) nedeniyle bu Doğal Dil İşleme alanı son on yılda büyüleyici bir ilerlemeye tanık olmuştur. Özyineli Sınır Ağları (RNNs), modelleme birimlerinde dizi ile kullanılan DNN mimarileri türlerinden biridir. El yazısı tanıma, dil modelleme, makine çevirisi ve duygu analizi gibi dizi etiketlendirme ve dizi öngörü görevleri için başarıyla kullanılmıştır. RNN'leri kullanarak duygu analizi üzerinde yapılan çalışmaların çoğu İngilizce metinlere odaklanmıştır. Birkaç araştırmalar değişik dillerde yapıldı. Bu tez kapsamında, RNN'leri kullanılarak duygu sınıflandırması Türkçe yorum alanına uygulanmıştır. Ek olarak, kabul edilebilir sonuçlar elde etmek için farklı türlerde kelime gösterimleri kullanılmıştır. Bu tez, ele alınan model mimarilerinin bir tanımını ve bunların iki Türk film incelemesi veri setinde çeşitli kelime temsilleriyle karşılaştırılmasını sunmaktadır. Genel olarak, deneysel sonuçlarımız RNN modellerinin, Türkçe metinlerinde İngilizce metinlerde olduğu gibi oldukça iyi sonuçlar elde ettiğini ve farklı kelime gösterimlerini seçmenin yaklaşımların performansını artırabileceğini göstermektedir.
Özet (Çeviri)
Easier access to computers, mobile devices, and availability of the Internet have given people the opportunity to use social media more frequently and with more convenience. Social media comes in many forms, including blogs, forums, business networks, review sites, and social networks. Therefore, social media generates massive sources of information in the shape of users' views, opinions, and arguments about various products, services, social events, and politics. By well-structuring and analysing this kind of data we can obtain significant feedbacks about products and services. This area of research is typically called sentiment analysis or opinion mining. In the last decade, this field of Natural Language Processing (NLP) has witnessed a fascinating progress due to Deep Neural Networks (DNNs). Recurrent Neural Networks (RNNs) are one of the main types of DNN architectures which are used at modelling units in sequence. They have been successfully used for sequence labelling and sequence prediction tasks, such as handwriting recognition, language modelling, machine translation, and sentiment analysis. Most of the studies carried on sentiment analysis using RNNs have been focused on English texts and some researches have studied on different languages. In this thesis, sentiment classification using RNNs is applied on Turkish reviews domain. Additionally, different types of word representations are used to achieve acceptable results. This dissertation presents a description of the considered model architectures and comparison of them with various word representations on two Turkish movie reviews datasets. Generally, our experimental results show that RNN models achieve reasonably good results on Turkish texts as on English texts and choice of different word representations can improve the performance of the approaches.
Benzer Tezler
- A deep learning approach to sentiment analysis in Turkish
Derin öğrenme metodları kullanılarak Türkçe'de duygusal analiz
BASRİ ÇİFTÇİ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ARSLAN
- Türkçe ürün yorumları verisi ile duygu analizi
Sentiment analysis using Turkish product review data
BUĞRA POLAT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT TUĞRUL
- Sözlük tabanlı yaklaşım ve makine öğrenmesi ile Türkçe doğal dil işleme: Eğitim kurumlarında duygu analizi
Turkish natural language processing using dictionary based approach and machine learning: Sentiment analysis in educational institutions
HARUN AKSAYA
- Investigating the performance of segmentation methods with deep learning models for sentiment analysis on Turkish informal texts
Segmentasyon yöntemlerinin informal Türkçe metinlerde duygusal analiz için derin öğrenme modelleri ile kullanımında performans analizi
FATİH KURT
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. PINAR KARAGÖZ
- Developing a comprehensive framework for sentiment analysis in Turkish
Türkçe için kapsamlı bir duygu analizi çatısı geliştirme
CEM RIFKI AYDIN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNGA GÜNGÖR
PROF. DR. SADIK FİKRET GÜRGEN
DR. ÖĞR. ÜYESİ TEVFİK AYTEKİN