Metin türünün duygu analizi sınıflandırmasına etkisi

Basit Öğe Kaydı
dc.contributor.advisorKara, Resul
dc.contributor.authorKara, Ezgi
dc.date.accessioned2021-02-25T15:02:37Z
dc.date.available2021-02-25T15:02:37Z
dc.date.issued2019
dc.departmentDÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.descriptionYÖK Tez No: 578736en_US
dc.description.abstractDuygu 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.en_US
dc.description.abstractEmotion 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.en_US
dc.identifier.endpage36en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=jNRDC1RLfVd4_T7x7ZXmmaddpXzWtVUon9rvOEFUvNsSTiXGgllkt9Qx-duOFM54
dc.identifier.urihttps://hdl.handle.net/20.500.12684/7078
dc.institutionauthorKara, Ezgien_US
dc.language.isotren_US
dc.publisherDüzce Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleMetin türünün duygu analizi sınıflandırmasına etkisien_US
dc.title.alternativeAbstract effect of text type sentiment analysis classificationen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
578736.pdf
Boyut:
1.38 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir

Koleksiyon

Tez Koleksiyonu