Geri Dön

Sentiment analysis based on natural language processing and deep learning in a software engineering perspective

Yazılım mühendisliği perspektifinde doğal dil işleme ve derin öğrenmeye dayalı duygu analizi

PDF İndir

  1. Tez No: 860685
  2. Yazar: AZHAR AHMED BILAL BILAL
  3. Danışmanlar: PROF. DR. OSMAN AYHAN ERDEM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Duygusal Analiz, insanların duygularını metin belgeleri aracılığıyla tanımlamaya ve değerlendirmeye yönelik bir hesaplama stratejisi olarak kabul edilir. Makine Öğrenmesi, Derin Öğrenme teknikleri ve Doğal Dil İşleme kullanılarak hem olumlu hem de olumsuz duyguların metin veri analitiği şeklinde belirlenmesi için farklı araç ve yöntemler kullanılmıştır. Önerilen model, veri ön işleme aşamasında Vader duyarlılık paketini kullanıyor ve özellikler Deep LSTM kullanılarak çıkarılıyor, ardından çıkarılan özelliklerin boyutlarının azaltılması, PCA ve SVD ile Biyo-ortogonalizasyon algoritması kullanılarak gerçekleştirilir. Sonunda, hiperparametre ayarlamasının ardından duygular, 4000 öykü veri kümesinden elde edilen bilgilere dayalı olarak mutlu veya üzgün öyküler halinde kategorize edilir. Deneysel sonuç, önerilen modelin %99,631 doğruluk oranına ulaştığını ortaya çıkardı.

Özet (Çeviri)

Sentiment analysis, or SA, is regarded as a computational technique that aids in determining and evaluating people's emotions through text documents. Tools are used to produce insights for extracting the user experience in order to perform SA. Additional techniques have been implemented to ascertain positive and negative emotions through text data analytics, utilizing NLP (Natural Language Processing), ML (Machine Learning), and DL (Deep Learning) approaches. Nonetheless, it is thought that the current approaches are less able to provide precise and accurate value for predicting various emotions. The suggested model uses three algorithms to overcome the lower accuracy rate because it may be the result of using ineffective algorithms. This will improve the model's performance. The suggested model performs the binary classification of the model and looks at the readers' emotional reaction to the feature scenes that are either happy or sad. Three phases comprise the implementation of the proposed study, which incorporates three algorithms. First, label encoding and a Vader sentiment package are used for data preprocessing. Then, for the feature extraction process, Deep LSTM (Long Short Term Memory) is used. Applying Deep LSTM to the data facilitates the extraction of important and pertinent attributes. After that, a bi-orthogonalization algorithm using Principal Component Analysis (PCA) and Singular Value Decomposition (SVD) is used to perform dimensions of the extracted features. This aids in decreasing the dimensions, resolves the scalability problems, and eases the worries about sparsity in the overall classification rating. Ultimately, following hyperparameter adjustment, the feelings are classified into multiple story types. The current research categorizes readers' emotions based on information from the 4000 stories dataset. The results of the experiment showed that the accuracy rate attained by the suggested model was 99.631%. Furthermore, several performance metrics, including recall, accuracy, precision, and F1 score, are used to assess the effectiveness of the suggested model.

Benzer Tezler

  1. Tez No

    843736

    Türkçe doğal dil işleme ve derin öğrenme yöntemleri kullanarak sosyal medyada halk sağlığı takibi

    Public health monitoring on social media using Turkish natural language processing and deep learning methods

    DOĞAN KÜÇÜK

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NURSAL ARICI

  2. Tez No

    758188

    Derin öğrenme metodlarını kullanarak arapça metin tabanlı duygu analizi

    Arabic text-based senti̇ment analysi̇s using deep learning methods

    MARIAM ABAKAR NOKOUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. EYYÜP GÜLBANDILAR

  3. Tez No

    927396

    Yapay zeka kullanarak Arapça doğal dil işleme doğruluğunun iyileştirilmesi

    Improving Arabic natural language processing accuracy using artificial intelligence

    MOUNIA LAADJ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Doğu Dilleri ve EdebiyatıAtatürk Üniversitesi

    Arap Dili ve Edebiyatı Ana Bilim Dalı

    DOÇ. DR. NURULLAH YILMAZ

  4. Tez No

    579164

    A deep learning approach to sentiment analysis in Turkish

    Derin öğrenme metodları kullanılarak Türkçe'de duygusal analiz

    BASRİ ÇİFTÇİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ ARSLAN

  5. Tez No

    938461

    Impact of policy changes on gender perspectives: A social media analysis on Türkiye's withdrawal from the İstanbul Convention Through Natural language processing (NLP)

    Politika değişikliklerinin cinsiyet algıları üzerindeki etkisi: Türkiye'nin İstanbul Sözleşmesi'nden çekilmesinin sosyal medya üzerindeki yansımalarının doğal dil işleme (NLP) yöntemleri ile analizi

    BERRA KARAYEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    SosyolojiKoç Üniversitesi

    Hesaplamalı Sosyal Bilimler Ana Bilim Dalı

    PROF. DR. ERDEM YÖRÜK

Geri Dön