DERİN ÖĞRENME YÖNTEMİYLE ÇEVRİMİÇİ SOSYAL AĞLARDA DUYGU ANALİZİ VE METİN ÖZETLEME

Abstract

Duygu analizi kişisel blog ve sosyal ağ gibi kullanıcıların duygu ve düşüncelerini paylaştıkları yazılı metinler üzerinde semantik bilginin ortaya çıkarılmasını amaç edinir. Sosyal ağlarda kullanıcılar tarafından paylaşılan veriler kısa metinlerden oluştuğu için bir metin sınıflandırma problemi olarak görülebilir. Duygu analizi probleminin çözümü için diğer dillerde gerekli dil kütüphaneleri geliştirilmiş olmakla beraber Türkçe dili için yapılan çalışmalar hala sınırlıdır. Bu çalışmada birçok sosyal ağdan elde edilen veriler ile iki kategorili duygu analiz çalışılıp, twitter üzerinde bir konu hakkında duygu sınıfı bulunup sınıf üzerinde metin özetlenmesi yapılmıştır. Duygu analizi bir sınıflandırma problemi olarak düşünülüp başarı oranını artması için kelimeler arasındaki semantik bağlam kelime gömme metotlarını kullanarak kelimelere ağırlık verilmiştir. Klasik metin sınıflandırma yöntemleri yerine bir derin öğrenme yöntemi olan LSTM kullanılmıştır. Kelimeler arası semantik anlamanı kaybetmemek için birden fazla kelimelerin sayısal gösterimi (Word Embedings) yöntemi kullanılarak başarı oranlarının değişimi gözlenmiştir. Metin özetlemesi için yine LSA kullanılmıştır. Hem duygu analizi hem de metin özetlemenin gerçekleştirildiği bu çalışmada asıl hedef bir konu hakkındaki duygu ve düşünceyi analiz edip kullanıcıya özet bilgi sunmaktır. Ana model birçok sosyal ağdan toplanan veriler ile oluşturulmuştur. Analiz ve metin özetleme ise Twitter üzerinde bir hashtag den alınan veriler ile yapılmıştır. Duygu analizinde kullanılan yöntemler ile en yüksek %93 oranında başarı elde edilmiştir. Metin özetleme ile başarılı bir şekilde özet bilgi sunulmuştur.Sentiment analysis aims to reveal semantic knowledge on written texts that share the emotions and thoughts of users like personal blog and social network. Because the data shared by users on social networks is made up of short texts, it can be seen as a text classification problem. Although language libraries have been developed in other languages to solve the problem of emotion analysis, studies for Turkish language are still limited. In this study, two categories of emotion analysis were studied with the data obtained from many social networks. Sentiment analysis is considered as a classification problem, and the success rate is increased by using semantic context word embedding methods. LSTM, which is a deep learning method, was used instead of classical text classification methods. In order not to lose the semantic understanding between words, success rates were observed by using more than one word embedding method. LSA was used for text summation. In this study, where both emotion analysis and text summation are carried out, the main goal is to analyze the emotions and thoughts about a subject and present brief information to the user. The main model was created with data collected from many social networks. Analysis and summary of the text was made with data from a hashtag on Twitter. The highest 93% success rate was achieved with the methods used in the analysis of emotions. A summary of the text has been successfully presented.