Duygu analizi problemi için geleneksel ve derin transfer makine öğrenmesi yöntemlerinin karşılaştırılması

---

Tezin Türü: Yüksek Lisans

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

Tezin Onay Tarihi: 2021

Tezin Dili: Türkçe

Öğrenci: NURAY YILDIZLI

Danışman: Gülşah Tümüklü Özyer

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Elektronik hizmet sektörünün gelişmesi, sosyal medya kullanımının artması ile birlikte kişilerin yorumlarına, düşüncelerine ve duygularına göre hızlı ve doğru analizler yapılarak, kısa zamanda aksiyon planları hazırlamak gerekli bir problem haline gelmiştir. Bu problemin çözümü metin sınıflandırmanın bir alanı olan duygu analizi içerisinde ele alınmıştır. Bu tez çalışmasında e-hizmet sektöründen, sosyal medyadan toplanan veriler için duygu analizi çalışması yapılmıştır. Yapılan çalışmayla amaç Türkçe, İngilizce dillerindeki veri setlerinde geleneksel ve derin transfer makine öğrenme yaklaşımlarının performanslarını incelemektir. Çalışmamızda doğal dil çıkarım alanlarında kullanılan BERT, RoBERTa ve BART model kullanılmıştır. Geleneksel ve derin transfer makine öğrenme yaklaşımlarının başarısını karşılaştırmadaki doğruluğumuzu artırmak amacıyla her iki yöntem için de farklı modeller kullanılarak sonuçlar elde edilmiştir. Geleneksel makine öğrenmesi için TF-IDF ve Doc2vec modelleri ile LR, SVM, KNN ve NB algoritmaları çalıştırılmıştır. Derin transfer öğrenme yaklaşımları için BERT, RoBERTa ve BART modelleri ile sıfır atış algoritması çalıştırılmıştır. Bu tez çalışmasında 3 Türkçe 3 İngilizce olmak üzere toplam 6 farklı büyüklükte veri seti kullanılmıştır. Deneysel sonuçlar incelendiğinde geleneksel makine öğrenmesi yaklaşımlarının derin transfer öğrenme yaklaşımlarına oranla daha başarılı olduğu gözlemlenmiştir. Türkçe veri setlerinde sıfır atış algoritmasıyla BART ve RoBERTa modellerinde yüksek doğrulukta başarı oranları elde edilmiştir. Etiket sayısı arttıkça sıfır atış algoritmasında daha düşük doğruluk sonuçlar elde edildiği gözlemlenmiştir.