Destek Vektör Makinesi Yöntemi ile Bir Duygu Çözümlemesi Evrim Kasaba1, Engin Yıldıztepe1


Tablo 1. Filmlere ait yorumların dağılımı



Yüklə 34,95 Kb.
səhifə7/7
tarix07.01.2022
ölçüsü34,95 Kb.
#81576
1   2   3   4   5   6   7
Tablo 1. Filmlere ait yorumların dağılımı




Nadide Hayat

Delibal

Olumlu

195

156

Olumsuz

34

46

Toplam

229

202

DVM yöntemi ile eğitilen modellerin çapraz geçerlilik sonuçlarına göre “Delibal” için %83, “Nadide Hayat” için %91 doğruluk oranı elde edilmiştir.





Şekil 3: “Delibal” için model doğrulama sonuçları



Şekil 4: “Nadide Hayat” için model doğrulama sonuçları
5. Sonuç
Bu çalışmada, Türkçe twitter mesajları kullanılarak DVM yöntemi ile bir duygu çözümlemesi yapılmıştır. Çalışmada Türkçe iki film için Twitter’da paylaşılan yorumlar kullanılmıştır. DÇ çalışmalarına olan ilgi giderek artmaktadır. Bunun en önemli sebebi, sosyal medya veya blog sitelerinden istenilen konuda bol miktarda verinin derlenebilmesidir. Internet kullanıcılarının ürünler, hizmetler, olaylar, kişiler hakkındaki yorumlarını paylaştıkları blog sayfaları ve sosyal medya siteleri, bu yorumları incelemek isteyen araştırmacılar için geniş bir veri kaynağı haline gelmiştir. Mikro blog sitesi olarak tanımlanan Twitter bu konudaki çalışmalarda sıklıkla kullanılmaktadır. Farklı programlama teknikleri ile istenilen etiket için çok sayıda tweet elde edilebilmektedir. Ancak 140 karakterlik mesaj sınırı ve kendine has yazım jargonu nedeniyle analizlerde kullanılabilecek mesaj sayısı oldukça azalmaktadır. Bu çalışmada eğitim kümesi olarak başlangıçta elde edilen mesajların ancak yaklaşık %10’u kullanılabilmiştir.
Literatürde yer alan hizmetin veya ürünün değerlendirilmesine yönelik yöntemlerin tamamında, bir anket aracılığıyla görüşlerin alınması bulunmaktadır. DÇ’de benzer amaçla uygulanabilir. Anket ile yapılan çalışmaların zaman alıcı ve maliyetli olduğu, ayrıca tüm kitleye ulaşmanın -genellikle- imkânsız olduğu bilinmektedir. Sosyal medya ve blog siteleri ile geniş kitlelere kolayca ulaşarak, görüşlerini almak, sonrasında DÇ ile değerlendirmeler yapmak mümkün olabilir. Ayrıca, yorum yapan kişilerin değerlendirilme kaygısı olmadan yazdıkları mesajlar daha objektif sonuçlar üretilmesini de sağlayabilir.
6. Kaynaklar
[1] Cortes, C., Vapnik, V., “Support-Vector Network”, Machine Learning, 20(3) (1995).
[2] Çetin, M., Amasyalı, M., F., “Eğiticili ve Geleneksel Terim Ağırlıklandırma Yöntemleriyle Duygu Analizi”, Proceedings of Signal Processing and Communications Applications Conference (SIU), (2013).
[3] Go, A., Huang, L., Bhayani, R., “Twitter Sentiment Analysis”, Entropy, 17 (2009).
[4] Jurka, T. P., Collingwood, L., Boydstun, A. E., Grossman, E., & van Atteveldt, W. "RTextTools: A supervised learning package for text classification." The R Journal, 5(1): 6-12 (2013).

[5] Özkan, Y., “Veri Madenciliği Yöntemleri”, Papatya Yayıncılık Eğitim (2008).


[6] Pang, B., Lillian L., Shivakumar V., "Thumbs up?: sentiment classification using machine learning techniques." Proceedings of the ACL-02 conference on Empirical methods in natural language processing, Association for Computational Linguistics, Vol.10, (2002).
[7] Sevindi, İ. B., “Türkçe Metinlerde Denetimli ve Sözlük Tabanlı Duygu Analizi Yaklaşımlarının Karşılaştırılması”, Yüksek Lisans Tezi (2013).

Yüklə 34,95 Kb.

Dostları ilə paylaş:
1   2   3   4   5   6   7




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©muhaz.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin