Sentiment analysis for textual data
İngilizce metin verilerinin duygu analizi
- Tez No: 706394
- Danışmanlar: DR. ÖĞR. ÜYESİ ARZU KAKIŞIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Duygu analizi, müşterilerin bir ürüne, markaya, hizmete karşı tutum ve görüşlerini ortaya çıkarmak veya sosyal medya kullanıcılarının bir durum ve olaya tepkilerini analiz etmek için son zamanlarda sıkça çalışılan yaygın bir konu haline gelmiştir. Bu nedenle, birçok araştırmacı anlamsal sözcük, tümcecik veya paragraf puanlarını hesaplayan sözlükleri geliştirmeye odaklanmıştır. Kelimelere ait duyarlılık derecesini içeren çoğu sözlük manuel olarak oluşturulur ve insan uzmanlığı gerektirir. Terimleri etiketlemenin zorluğu nedeniyle, mevcut sözlükler genellikle yalnızca kelimelerden ve bunların duyarlılık kutuplarından oluşur. Bu nedenle, bir tümce veya paragraf için, bu sözlükler, metindeki tüm sözcüklerin puanlarını değerlendirerek ve genel (yaklaşık ortalama) bir puan hesaplayarak metnin duyarlılığının olumlu veya olumsuz olup olmadığına karar verir. Bu tezde, mevcut sözlüklerle n-gram yaklaşımını kullanan ve her bir görüşü veya incelemeyi sabit uzunlukta bir vektörle temsil eden yeni bir yaklaşım çerçevesi sunulmuştur. Amaç, ikili-gram veya üçlü-gram gibi her metnin çok kelimeli ifadelerinin anlamsal puanlarını içeren sıralı bir özellik alanı oluşturmaktır. Yöntemimiz, bir görüşü olumlu veya olumsuz olarak sınıflandırmak için bu özellik alanı üzerinde bir eğitim aşaması gerçekleştirir. Çoğu sözlük tabanlı yaklaşımdan farklı olarak, önerilen yöntem, metin duyarlılığı sınıflandırması için cümledeki sözcüklerin polarite değerlerinin yaklaşık ortalamasını kullanmak yerine, kelime öbeklerine ait gerçek değerli veya ikili değerli polarite puanları içeren ve metindeki sözcük sırasını koruyan bir öznitelik vektörü kullanır.
Özet (Çeviri)
Sentiment analysis has become a common topic that is frequently studied in recent times to reveal the attitudes and opinions of customers towards a product, brand, service, or to analyze the reactions of social media users to a situation and event. Therefore, many researchers have focused on enhancing lexicons that compute semantic scores of words, phrases, or paragraphs. Most sentiment lexicons are manually constructed, and requires human expertise. Due to the difficulty of labeling terms, existing lexicons generally consist of only words (unigrams) and their sentiment polarities. Therefore, for a sentence (or a paragraph), these lexicons decide whether the sentiment of text is positive or negative by evaluating the scores of all words in that text and computing an overall (approximately average) score. In this thesis, a new sentiment analysis framework is presented which uses n-gram approach with existing lexicons, and represents each opinion or review with a fixed-length vector. The aim is to create a sequential feature space containing the semantic scores of multi-word expressions of each text in the corpus such as bi-grams or tri-grams. Our method performs a training phase over this feature space to classify an opinion as positive or negative. Different from most lexicon based approach, the proposed method utilizes an attribute vector containing real-valued or binary-valued polarity scores and preserving word order in the text, instead of using approximate average of the polarity assessments of the words in the sentence for sentiment classification.
Benzer Tezler
- Metin verilerinde bağlam temelli açıklanabilir duygu analizi için hibrit derin öğrenme modeli geliştirme
Development of a hybrid deep learning model for context-aware explainable sentiment analysis in textual data
ERCAN ATAGÜN
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR BİROĞUL
DR. ÖĞR. ÜYESİ GÜNAY TEMÜR
- Metin madenciliği ile sentiment analizi ve Borsa İstanbul uygulaması
Sentiment analysis by text mining and an application on Borsa İstanbul stock exchange market
SUAT ATAN
- A comparative study of classification algorithms for sentiment analysis of COVID-19 vaccine opinions using machine learning
Makine öğrenmeyi kullanarak COVID-19 aşı görüşlerinin duyarlılık analizi için sınıflandırma algoritmalarının karşılaştırmalı bir çalışması
DILBER S ZAINULABDEEN ZAINULABDEEN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Using ladder network for semi-supervised sentiment analysis
Yarı-denetimli duygu analizi için basamaklı ağ yönteminin kullanılması
DANIEH ALDAGHSTANI
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR
- Kelime kullanım oranları ve kullanıcı istatistikleri kullanılarak Türkçe Twitter verisi üzerinde duygu analizi
Sentiment analysis on Turkish Twitter data using term usage rates and user statistics
CEM GÜMÜŞ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM AKYOKUŞ