KaydedilenlerDerginizi ekleyin

Dergiler / Bilişim Teknolojileri Dergisi / 2018 / Cilt: 11 - Sayı: 3

Adaptif Öğrenme Sözlüğü Temelli Duygu Analiz Algoritması Önerisi

Burcu KARAÖZ
U. Tuğba GÜRSOY
Sayfa
245–253
Yayın Tarihi
2018-07-31
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Yarı denetimli öğrenme ile pozitif ve negatif duygu sözlükleri genişletilmiş sözlük temelli duygu analizi tekniği kullanılan ve performansı yüksek, uygulama anlamında çeşitli düzeyde yazılım bilgisine sahip kişilere hitap eden bir duygu analizi modeli sunulmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Öz Teknolojik ilerlemeler bilinen anlamdaki veri kavramını geliştirmekte ve çeşitli tipte, büyük boyutlarda veri setlerini ulaşılabilir kılmaktadır.
📊
Temel Bulgular & Veri:Kişilerin duygularını ifade etmek veya görüşlerini bildirmek amacıyla yazdıkları metinlerin analiz edilerek anlamlı bilgilere dönüştürülmesi ve değer yaratılması veri analitiğinin amaçlarından birisidir.
💡
Sonuç & Katkı:Yarı denetimli öğrenme ile pozitif ve negatif duygu sözlükleri genişletilmiş sözlük temelli duygu analizi tekniği kullanılan ve performansı yüksek, uygulama anlamında çeşitli düzeyde yazılım bilgisine sahip kişilere hitap eden bir duygu analizi modeli sunulmuştur.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Anahtar Kelimeler Duygu analizi · metin madenciliği · sosyal medya analitiği

Özet

Öz Teknolojik ilerlemeler bilinen anlamdaki veri kavramını geliştirmekte ve çeşitli tipte, büyük boyutlarda veri setlerini ulaşılabilir kılmaktadır. Özellikle kişisel cihazların ve sosyal medya kanallarının yaygınlaşması ile bireyler yaşamları ve duyguları hakkında çeşitli bilgiler paylaşmaktadırlar. Bu da araştırmacılara anket gibi tekniklerle elde edilmesi güç boyutlarda veri sağlayan kaynaklar oluşmasını sağlamaktadır. Metin verileri de hem sosyal medya aracılığı ile en çok biriken veri çeşidinden biri olması hem de içerdiği duygular bakımından önem taşımaktadır. Kişilerin duygularını ifade etmek veya görüşlerini bildirmek amacıyla yazdıkları metinlerin analiz edilerek anlamlı bilgilere dönüştürülmesi ve değer yaratılması veri analitiğinin amaçlarından birisidir. Bu doğrultuda veri setinin analizi kadar çıktıların yorumlanarak değer yaratılması da büyük önem taşımaktadır. Bu amaçla çalışmada çıktıları yorumlayabilecek fakat yazılım altyapısı güçlü olmayan araştırmacıların da kolaylıkla faydalanabileceği bir model önerilmiştir. Böylece çıktıların değer bulacağı işletme, ekonomi ve sosyoloji gibi sosyal bilimler alanlarından araştırmacıların gelişen teknoloji ve veri setlerini değerlendirmesi hedeflenmiştir. Yarı denetimli öğrenme ile pozitif ve negatif duygu sözlükleri genişletilmiş sözlük temelli duygu analizi tekniği kullanılan ve performansı yüksek, uygulama anlamında çeşitli düzeyde yazılım bilgisine sahip kişilere hitap eden bir duygu analizi modeli sunulmuştur.

🔖

Bu Makaleye Atıf Yap

KARAÖZ, B., GÜRSOY, U. T. (2018). Adaptif Öğrenme Sözlüğü Temelli Duygu Analiz Algoritması Önerisi. Bilişim Teknolojileri Dergisi, Cilt: 11 - Sayı: 3, 245–253. https://ajindex.com/articles/251836

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. A. Kapucugil-İkiz, G. Özdağoğlu, “Text mining as a supporting process for VoC clarification”, Alphanumeric Journal, 3(1), 25-40, 2015.
  2. B. Pang, L. Lee, “Seeing stars: Exploiting class relationships for sentiment categorization with respect to rating scales, In Proceedings of the 43rd annual meeting on association for computational linguistics”, Proceedings of the 43rd annual meeting on association for computational linguistics, 115-124, Haziran 2005.
  3. M. Thelwall, K. Buckley, G. Paltoglou, D. Cai, A. Kappas, “Sentiment strength detection in short informal text”, Journal of the American Society for Information Science and Technology, 61(12), 2544-2558, 2010.
  4. A. Neviarouskaya, H. Prendinger, M. Ishizuka, “Textual affect sensing for sociable and expressive online communication”, International Conference on Affective Computing and Intelligent Interaction, 218-229, 2007.
  5. W. He, S. Zha, L. Li, “Social media competitive analysis and text mining: A case study in the pizza industry”, International Journal of Information Management, 33(3), 464-472, 2013. M. M. Mostafa, “More than words: Social networks’ text mining for consumer brand sentiments”, Expert Systems with Applications, 40(10), 4241-4251, 2013.
  6. M. Ghıassı, J. Skinner, D. Zımbra, “Twitter brand sentiment analysis: A hybrid system using n-gram analysis and dynamic artificial neural network” Expert Systems with applications, 40(16), 6266- 6282, 2013.
  7. X. Zhang, H. Fuehres, P. A. Gloor, “Predicting stock market indicators through twitter - I hope it is not as bad as I fear-” Procedia-Social and Behavioral Sciences, 26, 55-62, 2011.
  8. J. Bollen, H. Mao, X. Zeng, “Twitter mood predicts the stock market”, Journal of Computational Science, 2(1), 1-8, 2011.
  9. A. Mittal, A. Goel, Stock prediction using twitter sentiment analysis, Standford University, CS229, 2012.
  10. S. Bouktif, M. A. Awad, “Ant colony based approach to predict stock market movement from mood collected on Twitter”, Proceedings of the 2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, 837-845, 2013.
  11. A. Porshnev, I. Redkin, A. Shevchenko, “Machine learning in prediction of stock market indicators based on historical data and data from twitter sentiment analysis”, In 2013 IEEE 13th International Conference on Data Mining Workshops, 440-444, 2013. F. Corea, “Can Twitter Proxy the Investors' Sentiment? The Case for the Technology Sector”, Big Data Research, 4, 70-74, 2016.
  12. S. Asur, B. A. Huberman, “Predicting the future wit