Derin öğrenme yöntemleri ile duygu analizi ve aktivasyon fonksiyonlarının karşılaştırılması

---

Tezin Türü: Yüksek Lisans

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

Tezin Onay Tarihi: 2018

Tezin Dili: Türkçe

Öğrenci: MUHAMMED AHMET DEMİRTAŞ

Danışman: Tolga Aydın

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Duygu analizi sosyal medyadan elde edilen metinsel veriler (Sms, tweet, vb.) üzerinde semantik bilginin işlenmesidir. Bu çalışmada, sosyal medyada gönderilen mesajların spam mi yoksa ham mı olduğunu anlamak için duygu analizi yapılmaktadır. Duygu analizi bu bağlamda kısa metinleri sınıflandırma problemi olarak da görülebilir. Duygu analizi işlemi için derin öğrenme yöntemi ve klasik sınıflandırma yöntemleri kullanılmış ve sonuçlar karşılaştırılmıştır. Derin öğrenme bağlamında, spam ya da ham mesajların belirlenmesi için kelimeleri vektör uzayında temsil eden kelime gömme (word embedding) ve yinelenen sinir ağları (Recurrent Neural Network/RNN) gibi yöntemler vardır. Çalışmamızda RNN ve kelime gömme yöntemlerini birleştirerek geliştirdiğimiz modelde çeşitli aktivasyon fonksiyonlarının başarımları karşılaştırılmıştır. Klasik sınıflandırma algoritmaları olarak ise SVM (Destek Vektör Makineleri), MNB (Çoklu Nominal Naive Bayes), RF (Rastgele Orman), LR (Lojistik Regresyon), KNN (K Yakın Komşu) kullanılmış ve hem kendi aralarında hem de derin öğrenme yöntemi ile karşılaştırılmıştır. Türkçe ve İngilizce metinlerimizden oluşan veri setlerinde derin öğrenme yöntemi bazı aktivasyon fonksiyonları ile klasik sınıflandırma yöntemlerine göre daha başarılı sonuçlar vermiştir.