TÜRKÇE METİNLER İÇİN DUYGU ANALİZİ YAKLAŞIMI İLE İLETİŞİMDE BAĞLAMDAN BAĞIMSIZ MODELLERİN GELİŞTİRİLMESİ ÜZERİNE BİR ARAŞTIRMA: KARMA VERİ MODELİ ÖNERİSİ

Yıl 2021, Cilt: 5 Sayı: 1, 12 - 25, 01.01.2021

Çiğdem Aytekin , Mehmet Ali Bayram

Öz

Günümüzde kullanıcılar ürün ve hizmetlerle ilgili olumlu veya olumsuz duygularını, direkt olarak satış için sergilendikleri mecra veya diğer mecralarda yazdıkları yorumlar vasıtası ile herkese açık bir biçimde paylaşmaktadırlar. Müşteriler tarafından birinci ağızdan aktarılan bu yorumlar, şirketler açısından büyük önem taşımaktadır. Duygu Analizi, bu yorumların olumlu olumsuz gibi duygulara ayrılması gerekliliği ile ortaya çıkmıştır. İletişimde bağlam farklı biçimlerde ele alınmaktadır. Burada bağlam, onun fiziksel boyutu olan ortam kavramsallaştırması ile değerlendirilmiş ve mecra tabanlı bir araştırma gerçekleştirilmiştir. Bu doğrultuda, farklı bağlamları temsil ettiği düşünülen ürün yorumları, film yorumları ve kitap yorumları olmak üzere üç mecra seçilmiş ve bu mecralarda yer alan kullanıcı yorumları veri olarak kullanılmıştır. İnternet ortamında yorum yazılan her mecranın kendine özgü birtakım özellikleri bulunmaktadır. Dolayısıyla mecralara ait Duygu Analizi modellerinin de farklı olması gerekir. Ancak bu pratik bir yöntem değildir. Eğer tüm mecralarda Duygu Analizi yapabilmeye elverişli bir model bulanabilirse, tüm analizler bu model ile kolaylıkla yapılabilir. Bu problemden hareketle çalışmada, çok sayıda mecra için uygulanabilecek bir Karma Veri Modeli geliştirilmiştir.

Anahtar Kelimeler

Duygu Analizi, Bağlam, Mecra, Karma Veri Modeli

Kaynakça

• Akgül, E. S., Ertano, C., & Diri, B. (2016). Twitter verileri ile duygu analizi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 22(2), s. 106-110. doi:10.5505/pajes.2015.37268
• Atan, S., & Çınar, Y. (2019). Borsa İstanbul’da Finansal Haberler İle Piyasa Değeri İlişkisinin Metin Madenciliği Ve Duygu (Sentiment) Analizi İle İncelenmesi. Ankara Üniversitesi SBF Dergisi, 74(1), s. 1-34.
• Bezoar Software. (2018, Haziran 27). Approaches in Natural Language Processing. 09 10, 2020 tarihinde https://bezoarsoftware.com/approaches-in-natural-language-processing/ adresinden alındı
• Bilgin, O. (2016). Frequency effects in the processing of morphologically complex Turkish words. 09 21, 2020 tarihinde https://cogsci.boun.edu.tr/content/frequency-effects-processing-morphologically-complex-turkish-words adresinden alındı
• Chen, X., Chen, B., Zhang, C., & Hao, T. (2017). Discovering the Recent Research in Natural Language Processing Field Based on a Statistical Approach. International Symposium on Emerging Technologies for Education (s. 507-517). Cape Town: Springer.
• Çetin, F., & Eryiğit, G. (2018, 1). Türkçe Hedef Tabanlı Duygu Analizi İçin Alt Görevlerin İncelenmesi – Hedef Terim, Hedef Kategori Ve Duygu Sınıfı Belirleme. Bilişim Teknolojileri Dergisi, 11(1), s. 43-56.
• Çoban, Ö., Özyer, B., & Özyer Tümüklü, G. (2015). Sentiment analysis for Turkish Twitter feeds. 2015 23nd Signal Processing and Communications Applications Conference (SIU), (s. 1-5). Malatya.
• Demir, Ö., Baban Chawai, A., & Doğan, B. (2019). Türkçe Metinlerde Sözlük Tabanlı Yaklaşımla Duygu Analizi. International Periodical of Recent Technologies in Applied Engineering(2), s. 58-66. doi: 10.35333/porta.2019.98
• Eliaçik, A. B., & Erdogan, N. (2015). Mikro Bloglardaki Finans Toplulukları için Kullanıcı Ağırlıklandırılmış Duygu Analizi Yöntemi. Proceedings of the 9th Turkish National Software Engineering Symposium, (s. 781-793). İzmir.
• Fiske, J. (2003). İletişim Çalışmalarına Giriş. (S. İrvan, Çev.) Ankara: Bilim ve Sanat.
• Gözükara, F., & Özel, S. (2016, 12). Türkçe ve İngilizce Yorumların Duygu Analizinde Doküman Vektörü Hesaplama Yöntemleri için Bir Deneysel İnceleme. Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 31(2), s. 467-481.
• Hall, E. T. (1989). Beyond Culture. Arizona: Anchor Books.
• Hofstede, G. (2001). Culture's Consequences:. London: Sage Publication.
• Karaöz Akın, B., & Gürsoy Şimşek, U. (2018, 7). Adaptif Öğrenme Sözlüğü Temelli Duygu Analiz Algoritması Önerisi. Bilişim Teknolojileri Dergisi, 11(3), s. 245-253. Kaynar, O., & Yıldız, M. (2016). Makine Öğrenmesi Yöntemleri ile Duygu Analizi . International Artificial Intelligence and Data Processing Symposium (IDAP'16) , (s. 234-241). Malatya .
• Kumar, A., & Geetanjali, G. (2020). Systematic literature review on context-based sentiment analysis in social multimedia. Multimedia Tools and Applications(79), s. 15349–15380.
• Küçük, M. (2012). İletişim Kavramı ve İletişim Süreci. N. Orhon, & U. Eriş (Dü) içinde, İletişim Bilgisi (s. 2-19). Eskişehir: Anadolu Üniversitesi.
• Mcquail, D., & Windahl, S. (2010). İletişim Modelleri. (K. Yumlu, Çev.) Ankara: İmge Kitapevi.
• Nasukawa, T., & Yi, J. (2003). Sentiment Analysis Capturing favorability using Natural Language Processing. Proceedings of the 2nd International Conference on Knowledge Capture , (s. 1-10). Sanibel Island.
• Nizam, H., & Akın, S. (2014). Sosyal Medyada Makine Öğrenmesi ile Duygu Analizinde Dengeli ve Dengesiz Veri Setlerinin Performanslarının Karşılaştırılması. XIX. Türkiye'de İnternet Konferansı, (s. 1-6). İzmir.
• Onan, A. (2017). Twitter Mesajları Üzerinde Makine Öğrenmesi Yöntemlerine Dayalı Duygu Analizi. Yönetim Bilişim Sistemleri Dergisi, 3(2), s. 1-14. Onan, A., & Bayar, C. (2017). Türkçe Twitter Mesajlarında Gizli Dirichlet Tahsisine Dayalı Duygu Analizi. Akademik Bilişim Konferansı. Aksaray.
• Sak, H., Güngör, T., & Saraçlar, M. (2008). Turkish Language Resources: Morphological Parser,Morphological Disambiguator and Web Corpus. 6th International Conference Advances in Natural Language Processing , (s. 417-427). Gothenburg.
• Sütcü, C., & Aytekin, Ç. (2019). An Example of Pragmatic Analysis in Natural Language Processing Sentimental Analysis of Movie Reviews. Communication and Technology Congress – CTC 2019, (s. 61-74). İstanbul.
• Türk Dil Kurumu. (2020, 09 16). Güncel Türkçe Sözlük. 09 16, 2020 tarihinde https://sozluk.gov.tr/ adresinden alındı