Metin türünün duygu analizi sınıflandırmasına etkisi
Yükleniyor...
Dosyalar
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Düzce Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Duygu Analizi, sosyal medya gönderileri gibi metin içeriğinin polaritesini tespit etme ve sınıflandırma görevidir. Sosyal Medya için duyarlılık analizi, çalışmaların açık veri setlerini kullanarak yürütüldüğü akademik çevrelerde popüler bir konu olmuştur. Sosyal medya, insanlara birbirleriyle etkileşime girme fırsatını veren internet tabanlı bir ortamdır; sanal ağlar ve topluluklar kurmak; bilgi, video, fotoğraf, haber, fikir vb. paylaşmak, Twitter, Facebook, Instagram ve Linkedin sosyal medya platformlarında yaygın olarak kullanılan örneklerdir. Bu tür sosyal medya platformlarının kullanımı ve bu platformlara yönelik üretilen veriler son yıllarda kayda değer bir artış gösterdikten sonra, insanlar hakkında bazı görüşler hakkında fikir edinmek için iş, politika ve bilimsel araştırmalar gibi birçok alanda daha fazla dikkat çekmeye başlamıştır. Rapid Miner ve Python ile karşılaştırılan bu tez, Naive Bayes, Destek Vektör Makinesi, Decision Tree ve Lojistik Regresyon sınıflandırıcıları gibi denetimli makine öğrenme algoritmaları kullanılarak sosyal medya duyarlılık analizi konusuna odaklanmıştır. Aynı zamanda n-gram modelleme kullanılmıştır. Bu algoritmalar ve tekniklere, yönelik deneysel incelemeler için "Stanford Twitter Sentiment", "Sentiment Analysis On Yelp" ve "Sentiment Analysis on Movie Reviews" veri setleri gibi farklı özelliklere sahip üç tanınmış veri setine uygulanmıştır.
Emotion Analysis is the task of determining and classifying the polarity of text content such as social media posts. Sensitivity analysis for Social Media has become a popular topic in academic circles where studies are conducted using open data sets. Social media is an internet-based environment that gives people the opportunity to interact with each other; build virtual networks and communities; information, video, photos, news, ideas etc. Sharing, Twitter, Facebook, Instagram and Linkedin are examples of the most widely used social media platforms. The use of such social media platforms and the data generated for these platforms have increased considerably in recent years, and have begun to attract more attention in many areas such as business, policy and scientific research to gain insight into people's views. This thesis focuses on social media sensitivity analysis using supervised machine learning algorithms such as Naive Bayes, Support Vector Machine, Decision Tree and Logistic Regression classifiers. N-gram modeling was also used. These algorithms and techniques have been applied to three well-known data sets with different characteristics, such as "Stanford Twitter Sentiment", "Sentiment Analysis On Yelp" and "Sentiment Analysis on Movie Reviews" to obtain evaluation results and examine their performance.
Emotion Analysis is the task of determining and classifying the polarity of text content such as social media posts. Sensitivity analysis for Social Media has become a popular topic in academic circles where studies are conducted using open data sets. Social media is an internet-based environment that gives people the opportunity to interact with each other; build virtual networks and communities; information, video, photos, news, ideas etc. Sharing, Twitter, Facebook, Instagram and Linkedin are examples of the most widely used social media platforms. The use of such social media platforms and the data generated for these platforms have increased considerably in recent years, and have begun to attract more attention in many areas such as business, policy and scientific research to gain insight into people's views. This thesis focuses on social media sensitivity analysis using supervised machine learning algorithms such as Naive Bayes, Support Vector Machine, Decision Tree and Logistic Regression classifiers. N-gram modeling was also used. These algorithms and techniques have been applied to three well-known data sets with different characteristics, such as "Stanford Twitter Sentiment", "Sentiment Analysis On Yelp" and "Sentiment Analysis on Movie Reviews" to obtain evaluation results and examine their performance.
Açıklama
YÖK Tez No: 578736
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
