DEEP LEARNING BASED SENTIMENT ANALYSIS FOR CLOUD PROVIDER SELECTION

Abstract

Geçerli bir Bulut Hizmeti Sağlayıcısının (CSP) seçimi, bir Bulut Hizmeti Tüketicisinin (CSC) sunulan hizmetlerden yararlanabilmesi için her zaman çok önemli bir görev olmuştur. Bu seçim, bir hizmet tüketicisinin bir sağlayıcı ile güvenilir bir ilişki sürdürmesini sağlayacaktır. Bu amaçla, uygun bir CSP seçimi için internet sitelerinde ve diğer sosyal medya platformlarında yayınlanan tüketici incelemelerinin dikkatlice değerlendirilmesi gerekir. Fikir Madenciliği olarak da adlandırılan Duygu Analizi, metnin görüşlerinin, deneyimlerinin, duygularının ve öznelliğinin sayısal olarak ele alınmasıdır. Boyut Tabanlı Duygu Analizi, metin içindeki bilgilendirici yönleri çıkarır ve bunları incelemelerin duyarlılığını sınıflandırmak için kullanır. Günümüzde duygu sınıflandırma görevleri için sözlük tabanlı, denetimli öğrenme ve denetimsiz öğrenme teknikleri gibi farklı yöntemler kullanılmaktadır. Derin Öğrenme, dil işleme, metin analizi, örüntü tanıma ve dizi tahmini görevleri vb. için kullanılan bir yapay zeka tekniğidir. Tekrarlayan Sinir Ağı (RNN), Uzun Kısa Süreli Bellek (LSTM) ve Geçitli Tekrarlayan Birim (GRU) gibi türleri, işlemleri gerçekleştirmek için farklı stratejiler kullanır. Tez RNN, LSTM ve GRU'nun Derin Öğrenme yaklaşımlarını kullanarak bulut tüketici incelemelerinin Boyut Tabanlı Duygu Analizini gerçekleştirir. Bulut incelemeleri, Hizmet Olarak Hasat (HaaS) çerçevesi kullanılarak çıkarılır. Analitik Hiyerarşi Süreci (AHP) modeli, Bulut Hizmeti Tüketicileri (CSC'ler) için yönlerin önemine ve önceliklerine karar vermek için kullanılır. Değerlendirme, bulut hizmeti tüketicilerinin (CSC'ler) gereksinimlerine uygun en iyi CSP'yi seçmelerine yardımcı olacaktır.

The selection of a viable Cloud Service Provider (CSP) has always been a crucial task for a Cloud Service Consumer (CSC) to avail of their offered services. This selection would enable a service consumer to maintain a trustful relationship with a provider. For that purpose, consumer reviews posted on internet websites and other social media platforms need to be carefully evaluated for a proper CSP selection. Sentiment Analysis, also termed Opinion Mining, is the computational treatment of text's views, experiences, sentiments, and subjectivity. Aspect-Based Sentiment Analysis (ABSA) extracts informative aspects within the text and uses them to classify the sentiment of reviews. Nowadays, different lexicon- based, supervised learning, and un-supervised learning techniques are used for sentiment classification tasks. Deep Learning is an AI technique used for language processing, text analysis, pattern recognition, sequence predicition tasks, etc. Its types, such as Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU), use different strategies to carry out processings. The dissertation performs Aspect-Based Sentiment Analysis of cloud consumer reviews using Deep Learning approaches of RNN, LSTM and GRU. The cloud reviews are extracted using Harvesting-as-a-Service (HaaS) framework. Analytic Hierarchy Process (AHP) model is used to decide the importance and priorities of aspects for Cloud Service Consumers (CSCs). The evaluation would assist cloud service consumers (CSCs) choose the best CSP ideal for their requirements.