Makine öğrenmesi yöntemleri ile sosyal medya verilerinden duygu analizi

dc.contributor.advisorTuran, Metin
dc.contributor.authorPek, Mesut
dc.date.accessioned2024-10-10T18:25:21Z
dc.date.available2024-10-10T18:25:21Z
dc.date.issued2019
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.descriptionFen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractGünümüzde teknolojinin gelişmesiyle, kişilerin sosyal medyada bulunan yorumları ve paylaşımları artmıştır. Önceki yıllarda internet bu kadar yaygın olmadığı için raporlar daha kolay oluşturulmaktaydı. Şimdi ise internetin ve teknolojin gelişmesiyle bu raporlamalar daha zorlaştı. Teknolojinin gelişmesiyle milyonlarca kişinin üye olduğu ve düşüncelerini paylaştıkları platformlardaki verilerin incelenmesi ve işlenmesi çok daha kolay olmaktadır. Bu alanda yapılan önemli çalışmalar arasında duygu analizi de yer almaktadır. Bu çalışmada makine öğrenmesi kullanılarak duygu analizi yapılmış, diğer yaygın uygulamaların yanı sıra özellik seçimi konusunda iyileştirilmeler yapılarak başarım oranı artırılmaya çalışılmıştır. Naive Bayes sınıflandırıcı eğitim setinin dışında herhangi bir veri setinde sınanarak, %80 oranında başarı elde edilmiştir. Derin öğrenme yöntemleri arasında bulunan konvolüsyonel sinir ağları kullanılarak aynı veri setleri ile çalışmıştır. Konvolüsyonel sinir ağlarında %97 başarı elde edilmiştir.en_US
dc.description.abstractToday, with the improvements in technology, comments and sharing of people increased. In the past, before widespread internet usage, creating reports were easier. But now with advancements in internet and technology reporting got harder. Analyzing and processing data from this sharing platforms where millions of people are registered and expressing their opinions is easier. Important works on this field includes emotion analysis. In this study emotion analysis is done using machine learning and compared to other applications tried to improve success rate with improvements on feature selection. While using any other set than Naïve Bayes classification learning set this study has achieved %80 success rate. A convolutional neural network with deep learning options achieved 97% success in convulsive neural networks.en_US
dc.identifier.endpage68en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=jNRDC1RLfVd4_T7x7ZXmmfkHNFVSf6bQW7638F2dkqi-t6cb6dqeVkFLQntWj-hG
dc.identifier.urihttps://hdl.handle.net/11467/7559
dc.identifier.yoktezid576471en_US
dc.language.isotren_US
dc.publisherİstanbul Ticaret Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmz2024_Tezen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleMakine öğrenmesi yöntemleri ile sosyal medya verilerinden duygu analizien_US
dc.title.alternativeEmotion analysis of social media data using machine learning techniquesen_US
dc.typeMaster Thesisen_US

Dosyalar