SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2021 / Cilt: 36 - Sayı: 2

Document Sentiment Classification Using Hybrid Wavelet Methodologies

Metin Duygu sınıflandırılmasında hibrit wavelet yönteminin kullanımı

İlknur DÖNMEZ
Zafer ASLAN
Pages
701–714
Publication Date
2021-03-05
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Duygu sınıflandırması probleminde, klasik yöntemler ile birlikte metin anahtar kelime vektörleri üzerinde dalgacık dönüşümü yapıldıktan sonra bulunan ağırlıkların kullanılması doğrulukları artırmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Verilerin her geçen gün arttığı günümüzde herhangi bir metnin anlamsal ve duygusal çözümlemesi ihtiyaç duyulan konulardan biridir.
📊
Key Findings & Data:Çalışmamız metinlerin sınıflandırılmasında kullanılabilecek üst anlam ilişkilerini çıkarmak ve metinlerin duygu sınıflandırmasını yapmak için yeni bir yöntem önermektedir.
💡
Conclusion & Impact:Duygu sınıflandırması probleminde, klasik yöntemler ile birlikte metin anahtar kelime vektörleri üzerinde dalgacık dönüşümü yapıldıktan sonra bulunan ağırlıkların kullanılması doğrulukları artırmıştır.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Wavelet · duygu analizi · metin duygu görselleştirmesi

Özet

Verilerin her geçen gün arttığı günümüzde herhangi bir metnin anlamsal ve duygusal çözümlemesi ihtiyaç duyulan konulardan biridir. Çalışmamız metinlerin sınıflandırılmasında kullanılabilecek üst anlam ilişkilerini çıkarmak ve metinlerin duygu sınıflandırmasını yapmak için yeni bir yöntem önermektedir. Bu yöntem daha önce metin analizinde çok az kullanılmış dalgacık dönüşüm yöntemidir. Çalışmamızda bu yöntemin klasik sınıflandırma algoritmaları ile birleştirilirmiş hali kullanılmaktadır. Dalgacık dönüşüm yöntemi metin içindeki anahtar kelimelerin üst anlamlarını ve temsil ettikleri ağırlıkları bulmaya yardım etmektedir. Duygu sınıflandırması probleminde, klasik yöntemler ile birlikte metin anahtar kelime vektörleri üzerinde dalgacık dönüşümü yapıldıktan sonra bulunan ağırlıkların kullanılması doğrulukları artırmıştır.

🔖

Cite This Article

DÖNMEZ, İ., ASLAN, Z. (2021). Document Sentiment Classification Using Hybrid Wavelet Methodologies. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 36 - Sayı: 2, 701–714. https://ajindex.com/articles/106845

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (4)

  1. Akansu, A. N., & Smith, M. J. (Eds.). Subband and wavelet transforms: design and applications (Vol. 340). Springer Science & Business Media,2012 [2] Meyer, Y., & Ryan, R. D. Wavelets: Algorithms and Applications. SIAM, Philadelphia, PA, 1993. [3] Chan, Y. T. (1994). Wavelet basics. Springer Science & Business Media. [4] Strang, G., Nguyen, T. Wavelets and Filter Banks,Wellesley-Cambridge Press, ISBN 0-9614088-7-1 Box 812060, Wellesley MA 02181 USA, 1996. [5] Daubechies, I. Ten Lectures on Wavelets, Society for Industrial and Applied Mathematics, Capital City Press,
  2. Philadelphia, Pennsylvania, 1992 [6] Daubechies. I. The wavelet transform, timefrequency localization and signal analysis. IEEE Trans. Inf. Theor., 36(5):961–1005, September, 2006 [7] Farkov, Y. A., P. Manchanda, A. H. Siddiqi, (2019): Construction of Wavelets Through Walsh Functions, ISBN - 978 -981-13-6370-2 (e-book), pp. 382. [8] Polikar, R. The story of wavelets. Physics and modern topics in mechanical and electrical engineering, 192-197, 1999 [9] Siddiqi, A. H., Manchanda, P., & Kocvara, M. (2002, July). Fast wavelet-based algorithms for option pricing. In Proc. world Multi conference on Systemic, Cybernetics and Informatics. [10] Li, T., Li, Q., Zhu, S., & Ogihara, M. A survey on wavelet applications in data mining. ACM SIGKDD Explorations Newsletter, 4(2), 49-68, 2002. [11] Aggarwal, C. C. On effective classification of strings with wavelets. In Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 163-172), July, 2002. [12] Xu, C., & Zhou, Y. M. Wavelet-based hierarchical document categorization. In 2007 International Conference on Wavelet Analysis and Pattern Recognition (Vol. 4, pp. 1524-1527).
  3. IEEE, November 2007. [13] Xexéo, G., de Souza, J., Castro, P. F., & Pinheiro, W. A. Using wavelets to classify documents. In 2008 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology (Vol. 1, pp. 272-278).
  4. IEEE, December 2008. [14] Mahajan, A., Jat, S., & Roy, S. (2015, July). Feature Selection for Short Text Classification using Wavelet Packet Transform. In Proceedings of the Nineteenth Conference on Computational Natural Language Learning (pp. 321-326). [15] Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood predicts the stock market. Journal of computational science, 2(1), 1-8. [16] Taboada, M., Brooke, J., Tofiloski, M., Voll, K., & Stede, M. (2011). Lexicon-based methods for sentiment analysis. C