Affiliation:
1. MEF ÜNİVERSİTESİ
2. MEF ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜ, BİLİŞİM TEKNOLOJİLERİ (YL) (TEZLİ) (İNGİLİZCE)
Abstract
Duygu analizi, çeşitli platformlarda bir konu hakkında düşünce, duygu ya da tutumu irdelemek, analiz etmek ve yorumlamak amacıyla kullanılan yöntemlerden biridir. Farklı konulardaki metinlerin öznel içeriklerine göre sınıflandırılabildiği duygu analizinde makine öğrenmesi ve derin öğrenme modellerinden sıklıkla faydalanılmaktadır.
Bu çalışmada, önceden eğitilmiş dil modellerinden yararlanılarak Covid-19 tweet metinleri üzerinde duygu analizi yapılmıştır. Naive Bayes sınıflandırıcıya ek olarak BERT, RoBERTa ve BERTweet dil modelleri kullanılarak farklı sınıflandırıcılar eğitilmiş ve tweet veri kümesi üzerinde elde edilen sonuçlar kıyaslanmıştır. Bildiride aktarılan çalışmanın ileride bu alanda yürütülecek araştırmalara bir zemin oluşturacağı öngörülmektedir.
Publisher
Istanbul Sabahattin Zaim University Journal of Institute of Science and Technology
Subject
General Materials Science
Reference43 articles.
1. Abid, F., Alam, M. Yasir, M. & Li, C. (2019). Sentiment analysis through recurrent variants latterly on convolutional neural network of Twitter, Future Generation Computer Systems. 95, 292-308. Doi: https://doi.org/10.1016/j.future.2018.12.018
2. Anttiroiko, A. V. & Savolainen, R. (2011). Towards Library 2.0: The Adoption of Web 2.0 Technologies in Public libraries. Libri,61(2), 87-99.
3. Azzouza, N.; Akli-Astouati, K. & İbrahim, R. (2020). TwitterBERT: Framework for Twitter Sentiment Analysis Based on Pre-Trained Language Model Representations. F. Saeed et al. (Eds.): IRICT 2019, AISC 1073, 428–437. https://doi.org/10.1007/978-3-030-33582-3_41
4. Baker, W. (2021). Using Large Pre-Trained Language Models to Track Emotions of Cancer Patients on Twitter. Computer Science and Compute Engineering Undergraduate Honors Theses Retrieved from https://scholarworks.uark.edu/csceuht/92
5. Bakliwal, A., Foster, J., van der Puil, J., O'Brien, R., Tounsi, L., Hughes, M. (2013). Sentiment analysis of political tweets: Towards an accurate classifier. Association for Computational Linguistics. 49-58.