A robust and hybrid machine learning model for university satisfaction estimation on Turkish Twitter feeds

ABDULFATTAH ESMAIL HASAN ABDULLAH BA ALAWI

A robust and hybrid machine learning model for university satisfaction estimation on Turkish Twitter feeds

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: ABDULFATTAH ESMAIL HASAN ABDULLAH BA ALAWI

Danışman: Ferhat Bozkurt

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Son yıllarda hükümetler ve kuruluşlar arasında, kamuoyunun görüşlerini anlamak ve hizmetlerinin kalitesini artırmak için sosyal ağ verilerini kullanmaya yönelik artan bir ilgi vardır. Sonuç olarak, bireylerin Türk kurumlarından memnuniyet derecesinin değerlendirilmesine olan ihtiyaç giderek artmaktadır. Twitter, Türkiye'deki yaygın kullanımı ve öğrencilerden, mezunlardan, öğretmenlerden ve kamuoyundan Türkiye'deki üniversiteler hakkında filtresiz görüşler sunabilmesi nedeniyle tercih edilen mecra olarak seçildi. Yöntemler: Yöntemimiz, 17.793 manuel olarak etiketlenmiş tweetten oluşan orijinal bir veri kümesi toplayarak başlanmıştır. Sonrasında, son teknoloji ürünü BERT tabanlı transformatörler, derin öğrenme stratejileri ve geleneksel makine öğrenimi modelleri gibi çeşitli yöntemleri karşılaştırmıştır. Ayrıca, CNN-BiLSTM ve BERT-BiLSTM-CNN başta olmak üzere farklı teknikleri bir araya getiren hibrit modeller kullanılmıştır. Bulgular: Türkçe duyarlılığını analiz etmek için, geleneksel makine öğrenimi sınıflandırıcıları arasında TF-IDF ağırlıklı BoW ile SVM, F1 Puanı açısından yaklaşık 0,8327 elde ederek en iyi sonuçları elde etmiştir. Ayrıca, CNN-BiLSTM 0,8330'luk bir F1 Puanı elde etmiştir. BERT transformatörleri kullanılarak elde edilen daha iyi sonuçlar F1 Puanı açısından 0,8400'ün üzerine çıkmıştır. Sonuçlar: BERT, BiLSTM ve CNN tekniklerini birleştiren yeni önerilen BERT-BiLSTM-CNN modelimiz, 0,9191'in üzerinde etkileyici bir doğruluk oranı, 0,8709 F1 Puanı ve 0,9574 Eğri Altındaki Alan (AUC) göstermiştir. Bu sonuçlar, modelin en son teknoloji olduğu düşünülen modellerden daha iyi performans gösterdiğini ve Türkçe duygu analiziyle ilişkili dilsel karmaşıklıkların üstesinden gelebildiğini gösterdi. Anahtar Kelimeler: Veri Analizi, Türk Üniversiteleri, Makine Öğrenmesi, Doğal Dil İşleme