Çok Boyutlu Duygu Analizi: Türkçe Yemek Teslimatı Yorumları Üzerinde Çok Görevli BERTurk Yaklaşımı

Abstract

Çevrim içi yemek teslimatı yorumları, hizmet kalitesinin izlenmesi için değerli geri bildirimler sunmakta ve doğal dil işleme araştırmaları açısından önemli bir kaynak oluşturmaktadır. Bununla birlikte, Türkçe için boyut tabanlı duygu analizi alanında halka açık kıyaslama veri kümeleri hâlen sınırlıdır. Bu çalışmada, her yorumun Hız, Servis ve Lezzet boyutları için 1-10 aralığında üç ayrı puan içerdiği 676.214 yorumdan oluşan Yemek Sepeti veri kümesi sistematik olarak değerlendirilmiştir. Veri kümesi üç farklı görev formülasyonu altında incelenmiştir: regresyon (T1), üç sınıflı sıralı sınıflandırma (T2) ve ikili kutupluluk sınıflandırması (T3). Terim Frekansı-Ters Doküman Frekansı (TF-IDF) taban çizgileri, tek görevli ve çok görevli (MTL) BERTurk ince ayarı yaklaşımlarıyla karşılaştırılmıştır. Sınıf ağırlıklı kayıp fonksiyonu kullanan paylaşımlı kodlayıcıya sahip çok görevli öğrenme modeli, T2 görevinde Makro-F1 skorunu Hız / Servis / Lezzet boyutları için sırasıyla 0,674 / 0,697 / 0,731’e; Quadratic Weighted Kappa (QWK) değerini ise 0,752 / 0,783 / 0,818’e yükseltmiştir. Ayrıca T1 görevinde ortalama mutlak hatayı (MAE) 1,77’den 1,26’ya düşürmüş ve T3 Lezzet boyutunda %92,1 doğruluğa ulaşmıştır. Farklı rastgele tohumlar arasındaki varyans 10⁻³ mertebesindedir; ConvBERTurk ile yapılan ablasyon çalışması ise bulguların yalnızca belirli bir omurga modele bağlı olmadığını göstermektedir. Hata analizi üç temel bulguyu ortaya koymaktadır: orta sıralı sınıf en zor sınıftır, boyutlar arası duygu uyuşmazlığı durumunda performans yaklaşık yarıya düşmektedir ve derlemde metin-puan çelişkileri bulunmaktadır.