Metin madenciliği ve derin öğrenme yöntemleriyle film eleştirilerinde duygu sınıflandırması
Sentiment classification in film reviews using text mining and deep learning methods
- Tez No: 994469
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ŞİMŞEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Makine öğrenmesi, Sınıflandırma algoritması, Veri madenciliği, Deep learning, Machine learning, Classification algorithm, Data mining
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ostim Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, IMDb'den elde edilen 50.000 film yorumundan oluşan bir veri kümesi üzerinde metin madenciliği, derin öğrenme ve transformatör tabanlı dil modellerinin duygu sınıflandırma performansını araştırmaktadır. Geleneksel yaklaşımlar TF-IDF gösterimleri kullanılarak uygulanırken, derin öğrenme modelleri kelime gömme katmanlarını, transformatör tabanlı modeller ise önceden eğitilmiş mimarileri kullanmıştır. Sonuçlar doğrultusunda, MPNet modelinin %94,30 doğruluk ve %94,25 F1 puanı ile en üstün genel performansı elde ettiğini göstermektedir. Özellikle, %89,13 doğruluk oranıyla Lojistik Regresyon algoritması, LSTM, 1D-CNN ve GRU gibi geleneksel derin öğrenme mimarilerinden daha iyi performans göstererek, önemli ölçüde daha düşük hesaplama maliyetiyle güçlü bir verimlilik sergilemiştir. Bu bulgular, modern transformatör modellerinin (MPNet, DeBERTa-v3) karmaşık dilsel kalıpları modellemedeki etkinliğini vurgulamakta ve uygun şekilde optimize edilmiş doğrusal modellerin duygu analizi araştırmalarında pratik önemini koruduğunu doğrulamaktadır.
Özet (Çeviri)
This thesis investigates the sentiment classification performance of text mining, deep learning, and transformer-based language models on a dataset of 50,000 movie reviews obtained from IMDb. Traditional approaches were implemented using TF-IDF representations, while deep learning models employed word embedding layers, and transformer-based models relied on pre-trained architectures. The experimental results indicate that the MPNet model achieved the best overall performance, reaching an accuracy of 94.30% and an F1-score of 94.25%. Notably, the Logistic Regression algorithm, with an accuracy of 89.13%, outperformed conventional deep learning architectures such as LSTM, 1D-CNN, and GRU, demonstrating strong efficiency with significantly lower computational cost. These findings highlight the effectiveness of modern transformer models (MPNet, DeBERTa-v3) in modeling complex linguistic patterns and further confirm that properly optimized linear models continue to hold practical relevance in sentiment analysis research.
Benzer Tezler
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Ege bölgesi keçi liflerinin bazı önemli fiziksel, kimyasal özellikleri ve değerlendirme imkanları
Başlık çevirisi yok
NİLÜFER ERDEM
Doktora
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLSEREN YAZICIOĞLU
- Yahya Kemal'de bedii tefekkür unsurları: 1 Kendi Gök Kubbemiz'de duygu
Başlık çevirisi yok
MUSTAFA ÖZBALCI
Yüksek Lisans
Türkçe
1985
Türk Dili ve EdebiyatıGazi ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
DOÇ. DR. SADIK K. TURAL
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Trafik tıkanıklığının ekonomik analizi ve tıkanık kent içi yolların fiyatlandırılması
Başlık çevirisi yok
HASAN ERTÜRK