Türkçe Metinlerde Duygu Analizi: Sözlük Tabanlı Yaklaşım ve İnsanların Tepkilerinin Karşılaştırılması

Metinlerde duygu analizi, bir metnin içerdiği duygu kutbunu bulmayı amaçlamaktadır. İnternetin kullanımının artmasıyla beraber özellikle reklamcılık ve ticaret alanlarında sıklıkla kullanılmaktadır. Önceden manuel olarak yapılan analiz işleminin makineler tarafından yapılması hem maliyetini azaltmakta hem de tarafsız analiz sağlamaktadır. Duygu analizi için kullanılan temel iki yöntemden biri olan sözlük tabanlı yaklaşım büyük miktarda veri gerektirmeme özelliği ile tercih edilmektedir. Sözlük kelimelerden ve kelimelere ait pozitif, negatif ve nötr duygu puanlarından oluşmaktadır. Eğitim aşaması bulundurmadığı için hızlı ve kolay bir analiz sağlamaktadır. Bu çalışmada Türkçe metinlerde sözlük tabanlı yaklaşım ile duygu analizi yapılmıştır. Aynı veri seti insanların sınıflandırma yapması için kullanılmıştır. 63 farklı yaştan insan cümleleri sınıflandırmıştır. Veri setinin insanlara ulaştırılması için Google Forms kullanılarak isimsel ölçek hazırlanmıştır. Çalışmanın sonucunda insanlar tarafından yüksek oranda bir sınıfa ait olarak seçilen cümleler daha doğru bir şekilde sınıflandırılmıştır. Sözlük tabanlı yaklaşımın negatif veya yoruma açık cümleleri sınıflandırma konusunda eksiklikleri görülmüştür.

Anahtar Kelimeler:

Doğal Dil İşleme, Duygu Analizi, Twitter, Sözlük Tabanlı Yaklaşım

PDF

___

Göçer, Ö. 2019. Sosyal Medya ve Kapsadığı Alanlar. https://www.ogocer.com/blog/sosyal-medya-nedir/ (Erişim Tarihi: 01.12.2020).
Özyurt, B., Akcayol, A.A. 2018. Fikir Madenciliği ve Duygu Analizi, Yaklaşımlar, Yöntemler Üzerine Bir Araştırma. Selçuk Üniversitesi Bilim ve Teknoloji Dergisi, 6:4(2018), 668-693.
Pervan, N. Duygu Analizi Neden Önemli?. https://www.sisasoft.com.tr/duygu-analizi-neden-onemli/#:~:text=Duygu%20Analizi%20Avantajlar%C4%B1&text=Duygu%20analizi%20modelleri%2C%20firmalar%C4%B1n%20i%C5%9F,yapma%20durumunu%20bertaraf%20etmek%20m%C3%BCmk%C3%BCnd%C3%BCr. (Erişim Tarihi: 30.11.2020).
Tekeş, M. (2020). Denetimli(Supervised) Öğrenme ve Denetimsiz(Unsupervised) Öğrenme. https://medium.com/@mihribantekes/makine-%C3%B6%C4%9Frenmesi-denetimli-supervised-e%C4%9Fitim-ve-denetimsiz-unsupervised-e%C4%9Fitim-5e3730354a5b (Erişim Tarihi: 01.12.2020).
Nizam, H., Akın, S.S. (2017). Sosyal Medyada Makine Öğrenmesi ile Duygu Analizinde Dengeli ve Dengesiz Veri Setlerinin Performanslarının Karşılaştırılması. http://web.firat.edu.tr/mbaykara/ubmk3.pdf (Erişim Tarihi: 30.11.2020)
Çetin, F.S. (2018). Türkçe Hedef Tabanlı Duygu Analizi İçin Alt Görevlerin İncelenmesi- Hedef Terim, Hedef Kategori Ve Duygu Sınıfı Belirleme. Bilişim Teknolojileri Dergisi, 11:1(2018), 43-55.
Göker, H., Tekedere, H. (2017). FATİH Projesine Yönelik Görüşlerin Metin Madenciliği Yöntemleri İle Otomatik Değerlendirilmesi. Bilişim Teknolojileri Dergisi, 10:3(2017), 291-299.
Watkins, J., Fabietti, M., Mahmud, M. 2020. SENSE: a Student Performance Quantifier using Sentiment Analysis. International Joint Conference on Neural Networks, 19-24 Temmuz, Glasgow, 1-6.
Demir, Ö., Baban Chawai, A.I. Doğan, B. (2019). Türkçe Metinlerde Sözlük Tabanlı Yaklaşımla Duygu Analizi. International Periodical of Recent Technologies in Applied Engineering, 1:2(2019), 58-66.
Banica, T., Belinschi, S. T., Capitaine, M., Collins, B. 2011. Free Bessel Laws. Canadian Journal of Mathematics, 63(2011), 3-37.
Aksoy, A. Öztürk, T. (2018). Trstop. https://github.com/ahmetax/trstop (Erişim Tarihi: 15.11.2020).
Aksoy, A. (2007). Zemberek Nasıl Çalışır?. http://zembereknlp.blogspot.com/ (Erişim Tarihi: 15.11.2020)
Safalı, Y. (2018). Tweepy Modülü. https://yazilimhanem.com/tweepy-modulu/ (Erişim Tarihi: 30.11.2020)