Sentiment Analizinde Öznitelik Düşürme Yöntemlerinin Oto Kodlayıcılı Derin Öğrenme Makinaları ile Karşılaştırılması

Oğuz KAYNAR; Zafer AYDIN; Yasin GÖRMEZ

Makale detayları

Sentiment Analizinde Öznitelik Düşürme Yöntemlerinin Oto Kodlayıcılı Derin Öğrenme Makinaları ile Karşılaştırılması

Yazarlar:

Oğuz KAYNAR | Zafer AYDIN | Yasin GÖRMEZ

Yayıncı:

Gazi University

Dergi:

Journal of Information Technologies 2017 Vol.10 Issue 3, pp.319-326

Belge Tipi:

Makale

Yayın Tarihi:

7/2017

Belge Dili:

Türkçe

Document ID (Org No.):

2000902736

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

Anahtar kelimeler:

Özet:

 

Günümüz
teknolojisinde internetin her kesim tarafından çok yoğun olarak
kullanılmasından dolayı insanlar artık görüş, fikir ve hislerini sosyal
paylaşım siteleri, forum, blog benzeri birçok ortam aracılığı ile paylaşmaya
başlamıştır. Ancak her geçen gün artan veri sayısı ve boyutu, bu verilerden
manuel olarak anlamlı bilgiler çıkartılmasını çok zahmetli ve pahalı bir iş
haline getirmektedir. Otomatik olarak verinin duygu içerip içermediğinin
saptanması ve bu duygunun olumlu, olumsuz veya tarafsız olma durumunun
belirlenmesi duygu analizi yardımıyla gerçekleştirilmektedir. Duygu düşünce
analizinde, konuşma dilinin karmaşıklığı, değerlendirilen metin sayısının
fazlalığı ve uzunluğu, çok sayıda gereksiz ve gürültü içeren öznitelik
vektörüne neden olmaktadır. Boyut problemi olarak adlandırılan bu durum
hesaplama zamanın artmasına ve sınıflama hatalarına yol açmaktadır. Bu
çalışmada ise bahsedilen problemlere çözüm olarak önerilen derin öğrenme
tabanlı oto kodlayıcı (Autoencoder) modeli ile gürültü giderici oto kodlayıcı
(Denoising Autoencoder) modeli boyut düşürme tekniği olarak kullanılmış ve
literatürde yaygın olarak kullanılan diğer boyut düşürme teknikleri ile
kıyaslanmıştır. Elde edilen tüm veri setleri için sınıflama algoritması olarak
Destek Vektör Makinaları ve Yapay Sinir Ağları kullanan farklı modeller
geliştirilmiştir. Yapılan analizlerin sonucunda, boyut düşürme tekniklerinin
duygu analizi için elde edilen sonuçları iyileştirdiği, önerilen oto kodlayıcı
modellerinin ise var olan tekniklere benzer ya da onlardan daha iyi sonuçlar
aldığı gözlemlenmiştir.

Makale detayları

Sentiment Analizinde Öznitelik Düşürme Yöntemlerinin Oto Kodlayıcılı Derin Öğrenme Makinaları ile Karşılaştırılması

Yazarlar:

Oğuz KAYNAR | Zafer AYDIN | Yasin GÖRMEZ

Yayıncı:

Gazi University

Dergi:

Journal of Information Technologies 2017 Vol.10 Issue 3, pp.319-326

Belge Tipi:

Makale

Yayın Tarihi:

7/2017

Belge Dili:

Türkçe

Document ID (Org No.):

2000902736

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

Boyut düşürme

Oto kodlayıcı

Yapay sinir ağları

Destek vektör makineleri

Duygu analizi

Derin öğrenme

Sayı

Makale detayları

Sentiment Analizinde Öznitelik Düşürme Yöntemlerinin Oto Kodlayıcılı Derin Öğrenme Makinaları ile Karşılaştırılması

Yazarlar: Oğuz KAYNAR | Zafer AYDIN | Yasin GÖRMEZ

Yayıncı: Gazi University

Dergi: Journal of Information Technologies 2017 Vol.10 Issue 3, pp.319-326

Belge Tipi: Makale

Yayın Tarihi: 7/2017

Belge Dili: Türkçe

Document ID (Org No.): 2000902736

Sıklık: Üç Aylık

eISSN: 2147-0715

pISSN: 1307-9697

Boyut düşürme

Oto kodlayıcı

Yapay sinir ağları

Destek vektör makineleri

Duygu analizi

Derin öğrenme

Sayı

Yazarlar:

Oğuz KAYNAR | Zafer AYDIN | Yasin GÖRMEZ

Yayıncı:

Gazi University

Dergi:

Journal of Information Technologies 2017 Vol.10 Issue 3, pp.319-326

Belge Tipi:

Makale

Yayın Tarihi:

7/2017

Belge Dili:

Türkçe

Document ID (Org No.):

2000902736

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697