Sentiment analysis is
an approach for classifying the polarity of text source that is interested. Due
to the high rate of using internet today, online user reviews which gradually
increase in volume become an important data source for sentiment analysis studies
in terms of accessibility and diversity. In this study, firstly, Multi-Layer
Perceptron (MLP) algorithm is applied on online user reviews of an online bookstore
for sentiment analysis using Python programming language. Afterwards, Naïve
Bayes (NB), Support Vector Machines (SVM), and Logistic Regression (LR)
algorithms are applied on the same dataset using RapidMiner data science
software. Algorithms’ successes in classifying reviews are compared and
Multi-Layer Perceptron becomes the algorithm showing the best results on this
dataset.
Duygu analizi, ilgilenilen metin kaynağının polarite sınıflandırmasını gerçekleştirmeye yönelik bir yaklaşımdır. Günümüzde yaygın internet kullanımına bağlı olarak hacmi giderek artan çevrimiçi kullanıcı yorumları da duygu analizi çalışmaları için ulaşılabilirlik ve çeşitlilik açısından oldukça önemli bir veri kaynağı haline gelmiştir. Bu çalışmada, çevrimiçi bir kitap satış sitesinin kullanıcı yorumları üzerinde duygu analizi için öncelikle Python programlama dili kullanılarak Çok Katmanlı Algılayıcı (MLP) algoritması uygulanmıştır. Daha sonra bir veri bilimi yazılımı olan RapidMiner kullanılarak, aynı veri seti üzerinde Naive Bayes (NB), Destek Vektör Makineleri (DVM) ve Lojistik Regresyon (LR) algoritmaları uygulanmıştır. Algoritmaların yorumları sınıflandırma başarıları karşılaştırılmış ve Çok Katmanlı Algılayıcı bu veri setinde en iyi sonuçları gösteren algoritma olmuştur.
Primary Language | Turkish |
---|---|
Subjects | Computer Software |
Journal Section | Research Articles |
Authors | |
Publication Date | June 30, 2020 |
Submission Date | January 16, 2020 |
Acceptance Date | April 7, 2020 |
Published in Issue | Year 2020 Volume: 1 Issue: 2 |
Journal of ESTUDAM Information is indexed by Index Copernicus, Google Scholar, ASOS Index and ROAD index.