Türkçe Hedef Tabanlı Duygu Analizi İçin Alt Görevlerin İncelenmesi – Hedef Terim, Hedef Kategori Ve Duygu Sınıfı Belirleme

Fatih Samet ÇETİN; Gülşen ERYİĞİT

Makale detayları

Türkçe Hedef Tabanlı Duygu Analizi İçin Alt Görevlerin İncelenmesi – Hedef Terim, Hedef Kategori Ve Duygu Sınıfı Belirleme

Yazarlar:

Fatih Samet ÇETİN | Gülşen ERYİĞİT

Yayıncı:

Gazi University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi | Uygulamalı fizik

Dergi:

Journal of Information Technologies 2018 Vol.11 Issue 1, pp.43-56

Belge Tipi:

Makale

Yayın Tarihi:

1/2018

Belge Dili:

Türkçe

Document ID (Org No.):

2000902684

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

Anahtar kelimeler:

Özet:

 


Sentiment analysis studies conducted traditionally
at document or sentence level have been moved to a new level with the emergence
of aspect based sentiment analysis studies. Aspect-based
sentiment analysis can be briefly defined as the detection of different opinions
contained within a text together with the target entities to which they relate.
Current definitions describe aspect based sentiment analysis as a gradual task
aiming to identify opinion tuples represented by three main fields (target
term, target category, sentiment class). This article presents our
investigations on aspect based Turkish sentiment analysis. The work carried out
in this article is designed by following ABSA 2016 competition tasks (1- Aspect
category identification, 2- Aspect term identification, 3- Identification of aspect
category and aspect term together and 4- sentiment category classification) and
evaluated on the Turkish restaurant reviews dataset provided in the same event.
For the first three tasks, a sequence labeling algorithm (based on conditional
random fields (CRF)) which uses word vectors and natural language processing
outputs (word and sentence analyses) is proposed and shown to solve these three
tasks in one step. Experimental results show that the proposed system achieves
the highest performances for these tasks: 66.7% F1-score for aspect category identification,
53.2% F1-score for aspect term identification, 46.7% F1-score for both aspect
category and aspect term at the same time. Additionally, a linear
classification method based on feature selection from positionally and
syntactically neighboring tokens is proposed for sentiment category
classification task and shown to perform as the best constrained system
reported in the literature with 76.1% F1-score.    

.

 

Geleneksel
olarak doküman veya cümle seviyesinde yürütülen duygu analizi çalışmaları,
hedef tabanlı duygu analizi çalışmalarının ortaya çıkması ile yeni bir seviyeye
taşınmıştır. Hedef tabanlı duygu analizi (Aspect
based sentiment analysis) kısaca, bir metnin içinde yer alan farklı
duyguların ilgili oldukları hedef varlıklar ile birlikte tespit edilmesi olarak
tanımlanabilir. Güncel tanımlamalar, hedef tabanlı duygu analizini, üç temel
alanla (hedef terim, hedef kategori ve duygu sınıfı) temsil edilen duygu
tanımlama gruplarını belirlemeyi amaçlayan aşamalı bir görev olarak
betimlemektedir. Bu makalede,  Türkçe
hedef tabanlı duygu analizi konusunda yapılan incelemeler sunulmaktadır. Yürütülen
çalışmalar, ABSA 2016 yarışmasındaki görevler (1- Hedef kategori belirleme, 2-
Hedef terim belirleme, 3- Hedef kategori ve hedef terimin aynı anda
belirlenmesi ve 4- Duygu sınıfı belirleme) takip edilerek tasarlanmış ve yine
burada sağlanan Türkçe restoran yorumları veri kümesi üzerinde değerlendirilmişlerdir.
Hedef kategori, hedef terim ve ikisinin aynı anda belirlenmesi görevleri için,
kelime vektörleri (word vectors) ve doğal dil işleme çıktıları (sözcük ve cümle
analizi bilgileri) kullanan koşullu rastgele alanlara (CRF – conditional random
fields) dayalı bir dizilim etiketleme algoritması tasarlanmış ve her üç görevi
de tek aşamada çözebildiği gösterilmiştir. 
Elde edilen sonuçlar ile bu ilk üç görev için literatürdeki en yüksek
başarımların elde edildiği görülmüştür: Hedef kategori belirlemede %66,7
F1-skoru, hedef terim belirleme %53,2 F1-skoru, hedef kategori ve hedef terimin
aynı anda belirlenmesinde %46,7 F1-skoru. Bunun yanı sıra, duygu sınıfı
belirleme için cümle analizi sonucunda hedef terime yakın kelimelerden özellik
seçimine dayalı bir lineer sınıflandırma yöntemi sunulmuş ve literatürde sınırlı
sistemler tarafından raporlanan en başarılı sonuç (%76,1 F1-skoru) elde
edilmiştir.

Makale detayları

Türkçe Hedef Tabanlı Duygu Analizi İçin Alt Görevlerin İncelenmesi – Hedef Terim, Hedef Kategori Ve Duygu Sınıfı Belirleme

Yazarlar: Fatih Samet ÇETİN | Gülşen ERYİĞİT

Yayıncı: Gazi University

Ana Başlıklar: Veri işleme & bilgisayar bilimi | Uygulamalı fizik

Dergi: Journal of Information Technologies 2018 Vol.11 Issue 1, pp.43-56

Belge Tipi: Makale

Yayın Tarihi: 1/2018

Belge Dili: Türkçe

Document ID (Org No.): 2000902684

Sıklık: Üç Aylık

eISSN: 2147-0715

pISSN: 1307-9697

hedef tabanlı duygu analizi

Türkçe

doğal dil işleme

Sayı

Yazarlar:

Fatih Samet ÇETİN | Gülşen ERYİĞİT

Yayıncı:

Gazi University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi | Uygulamalı fizik

Dergi:

Journal of Information Technologies 2018 Vol.11 Issue 1, pp.43-56

Belge Tipi:

Makale

Yayın Tarihi:

1/2018

Belge Dili:

Türkçe

Document ID (Org No.):

2000902684

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697