Dönüştürücüler ve derin öğrenme modelleriyle sosyal medya duygu analizi

Abstract

Sosyal medya; internet kullanıcılarının herhangi bir konu, işletme, ürün ve durum hakkında olumlu ya da olumsuz fikirlerini belirttiği çevrimiçi bir ağ ortamıdır. Kullanıcıların hızlı erişimi sayesinde ilgili içeriklerin, makalelerin, haberlerin, düşüncelerin, günlük yaşanan olayların ve her türlü görsel ve işitsel materyallerin görüntülenebileceği ve paylaşılabildiği bir ortamdır. Sosyal medya duygu analizi, çeşitli sektörler ve akademik çalışmalar için popüler bir alandır. Fikir madenciliği olarak da bilinen bu çalışmalar bir metindeki genel duyguyu sınıflandırmak amacıyla yapılmaktadır. Bu tez çalışmasında, kullanıcıların sosyal medya platformlarında yaptığı gönderilerin pozitif, negatif ve nötr duygulara göre sınıflandırılması yapılmıştır. Kullanılacak model üç aşamadan oluşmaktadır. İlk olarak veri setleri alınarak ön işleme işlemi ile model için hazır hale getirilmiştir. İkinci aşamada temizlenen veriler dönüştürücü model olarak kullanılacak DistilBERT modeli özellik vektörlerine dönüştürülmüştür. Son aşamada ise makine öğrenmesi ve derin öğrenme modelleriyle sınıflandırma işlemi yapılmıştır. Çalışmada dönüştürücü ve derin öğrenme modellerinin birlikte kullanımının dönüştürücü kullanılarak ya da kullanılmadan oluşturulan makine öğrenmesi modellerine ve literatürde bulunan geleneksel yöntemle oluşturulan modellere göre başarıyı arttırdığı görülmüştür.

Social media; is an online network environment where internet users express their positive or negative opinions about any subject, business, product, or situation. It is an environment where users can view and share relevant content, articles, news, thoughts, daily events, and all kinds of visual and audio materials thanks to fast access. Social media sentiment analysis is a popular field for various industries and academic studies. These studies are also known as idea mining which is carried out to classify the general feeling in a text. In this thesis, the posts made by users on social media platforms were classified according to positive, negative and neutral emotions. The model to be used consists of three stages. First, the data sets were taken and made ready for the model by preprocessing. In the second stage, the cleaned data were converted into feature vectors with the help of DistilBERT, which is used as a transformer model. In the last stage, classification was done with machine learning and deep learning models. In the study, it was seen that the use of transformer and deep learning models together increased the success compared to the machine learning models created with or without the transformer and the models created by the traditional method in the literature.