Duygu Analizi için Çoklu Populasyon Tabanlı Parçacık Sürü Optimizasyonu

Öz

Metin tabanlı içerikler arasında bulunan duyguların tespit edilmesi duygu analizi olarak ifade edilir. İnternet altyapısının dünya genelinde güçlenmesi, insanlara bir konudaki düşüncelerini çevrimiçi ifade etme imkânı sağlamıştır. İnternet ortamında toplanan bu verilerden önemli bilgilerin çıkarılması hemen hemen her alan için önem arz etmektedir. Bu çalışmada da çokça kullanılan Twitter veri kümeleri üzerinde duygu analizi işlemi gerçekleştirilmiştir. Metinlerdeki duygular olumlu, olumsuz veya belirsiz olarak sınıflandırılmıştır. Sınıflandırma işleminden önce veri kümeleri üzerinde metin madenciliği önişlemleri uygulanmış ve sonrasında özellik çıkarımı yapılmıştır. Sınıflandırma işlemi için optimizasyon tabanlı yeni bir yöntem önerilmiştir. Bu yöntemle elde edilen sınıflandırma performansı literatürdeki çalışmalardan daha başarılı olduğu deneylerle tespit edilmiştir.

Anahtar Kelimeler

• Duygu Analizi,Parçacık Sürü Optimizasyon,Metin Önişleme,Özellik Çıkarımı

Kaynakça

1. [1] Y.-H. Hu, Y.-L. Chen, and H.-L. Chou, “Opinion mining from online hotel reviews--A text summarization approach,” Inf. Process. Manag., vol. 53, no. 2, pp. 436–449, 2017.
2. [2] D. Stojanovski, “Twitter Sentiment Analysis using Deep CNN,” vol. 9121, no. JUNE, 2015.
3. [3] Z. Jianqiang and G. Xiaolin, “Comparison research on text pre-processing methods on twitter sentiment analysis,” IEEE Access, vol. 5, pp. 2870–2879, 2017.
4. [4] M. Bouazizi and T. Otsuki, “A Pattern-Based Approach for Sarcasm Detection on Twitter,” IEEE Access, vol. 4, pp. 5477–5488, 2016.
5. [5] F. Wu, Z. Yuan, and Y. Huang, “Collaboratively Training Sentiment Classifiers for Multiple Domains,” IEEE Trans. Knowl. Data Eng., vol. 29, no. 7, pp. 1370–1383, 2017.
6. [6] A. S. H. Basari, B. Hussin, I. G. P. Ananta, and J. Zeniarja, “Opinion mining of movie review using hybrid method of support vector machine and particle swarm optimization,” Procedia Eng., vol. 53, pp. 453–462, 2013.
7. [7] A. Tripathy, A. Agrawal, and S. Kumar, “Classification of Sentimental Reviews Using Machine Learning Techniques,” vol. 0, no. November, pp. 117–126, 2014.
8. [8] D. Jiang, X. Luo, J. Xuan, and Z. Xu, “Sentiment Computing for the News Event Based on the Big Social Media Data,” IEEE Access, vol. 3536, no. c, pp. 1–1, 2016.

9. [9] I. Habernal, T. Ptáček, and J. Steinberger, “Reprint of ‘supervised sentiment analysis in Czech social media,’” Inf. Process. Manag., vol. 51, no. 4, pp. 532–546, 2015.
10. [10] Y. H. Hu, K. Chen, and P. J. Lee, “The effect of user-controllable filters on the prediction of online hotel reviews,” Inf. Manag., vol. 54, no. 6, pp. 728–744, 2017.
11. [11] A. Chandra Pandey, D. Singh Rajpoot, and M. Saraswat, “Twitter sentiment analysis using hybrid cuckoo search method,” Inf. Process. Manag., vol. 53, no. 4, pp. 764–779, 2017.
12. [12] I. Aydın, F. Başkaya, and M. U. Salur, “Sentiment classification with PSO based weighted K-NN,” 2017 IEEE International Conference Computer Science and Engineering (UBMK), pp. 739-744, 2017.
13. [13] J. Azeez and D. J. Aravindhar, “Hybrid approach to crime prediction using deep learning,” 2015 Int. Conf. Adv. Comput. Commun. Informatics, pp. 1701–1710, 2015.
14. [14] M. U. Salur, “A Data Mining Application with Mahout : Sentiment Analysis on Tweets of Newspapers.”, International Conference Computer Science and Engineering (UBMK), 2016.
15. [15] V. Bobichev, O. Kanishcheva, and O. Cherednichenko, “Sentiment Analysis in the Ukrainian and Russian News,” pp. 1050–1055, 2017.
16. [16] R. Bhonde, B. Bhagwat, S. Ingulkar, and A. Pande, “Sentiment Analysis Based on Dictionary Approach,” Int. J. Emerg. Eng. Res. Technol., vol. 3, no. 1, pp. 51–55, 2015.
17. [17] F. K. Chopra, “Sentiment Analyzing by Dictionary based Approach,” vol. 152, no. 5, pp. 32–34, 2016.
18. [18] “SentiWordNet.” [Çevrimiçi]. URL: http://sentiwordnet.isti.cnr.it/. [Erişim: 29-Kasım-2017].
19. [19] “SenticTweety.” [Çevrimiçi]. URL: http://tweety.sentic.net/. [Erişim: 29-Kasım-2017].
20. [20] “MPQA Opinion Corpus.” [Çevrimiçi]. URL: http://mpqa.cs.pitt.edu/#subj_lexicon. [Erişim: 29-Kasım-2017].
21. [21] O. Appel, F. Chiclana, J. Carter, and H. Fujita, “A hybrid approach to sentiment analysis,” 2016 IEEE Congr. Evol. Comput., no. Cci, pp. 4950–4957, 2016.
22. [22] “Twitter-sanders-apple.” [Çevrimiçi]. URL: http://boston.lti.cs.cmu.edu/classes/95-865-K/HW/HW3/. [Erişim: 24-Ekim-2017].
23. [23] “Twitter Sentiment Corpus.” [Çevrimiçi]. URL: http://www.sananalytics.com/lab/twitter-sentiment/. [Erişim: 11- Ekim -2017].
24. [24] “Twitter Dataset.” [Çevrimiçi]. URL: https://drive.google.com/file/d/0BwPSGZHAP_yoN2pZcVl1Qmp1OEU/view. [Erişim: 12- Ekim -2017].
25. [25] B. Altınel and M. C. Ganiz, “A new hybrid semi-supervised algorithm for text classification with class-based semantics,” Knowledge-Based Syst., vol. 108, pp. 50–64, 2016.
26. [26] A. Cervantes, I.M. Galvan, P.Isasi, “AMPSO: A new Particle swarm method for nearest neighborhood classification,” IEEE T [1]rans. On Systems, Man, and Cybernetics-Part B, vol. 39, pp. 1082-1091, March 2009.