Derin öğrenme tabanlı çok modlu duygu analizi yöntemlerinin geliştirilmesi

Sosyal medya uygulamalarının toplum tarafından geniş kullanımı, insanlara bir durum, olay, hizmet veya ürün hakkında hızlıca geri bildirim sağlamalarına olanak sağlamıştır. Duygu analiziyle insanların sosyal medya paylaşımlarından bir konu veya ürün hakkındaki duygu ve düşüncelerinin tespit edilmesi mümkündür. Temel duygu analizi yaklaşımları genellikle tek tip veri tipi üzerinde gerçekleştirilmektedir. İnternetin ve akıllı cihazların yaygın kullanımı ve sosyal medya uygulamalarının çeşitliliği sonucu günlük üretilen veriler metin, görüntü, video veya ses formatlarında olabilmektedir. Çok modlu duygu analizi, farklı türdeki verileri bir bütün olarak analiz edilerek, kullanıcı paylaşımının duygusunun ortaya çıkarılması sürecidir. Bu tez çalışmasında sosyal medya uygulamalarından toplanan kıyaslama veri kümeleri üzerinde çok modlu duygu analizi yapılmıştır. Çok modlu duygu analizi için iki yaklaşım ele alınmıştır. Bu yaklaşımlardan birincisi çok modlu derin öğrenme modellerinin kullanımı dayalı yöntemdir. Bu yaklaşımda stratejik olarak farklı metin temsillerini (Karakter-tabanlı, Word2vec, FastText), farklı derin öğrenme yöntemleriyle (LSTM, GRU, BiLSTM, CNN) birlikte kullanan yeni bir hibrit derin öğrenme modeli geliştirilmiştir. Bu yaklaşım için önerilen model farklı veri temsilleri üzerinde farklı derin öğrenme yöntemleriyle öznitelik çıkarmakta, bu öznitelikleri birleştirerek metinleri duygu bakımından sınıflandırmaktadır. İkinci yaklaşımda, çok modlu veri kümeleri üzerinde duygu analizi gerçekleştirmeye dayalı yöntemdir. Farklı sınıflandırıcıların farklı veri türlerindeki etkin performansından yararlanan yumuşak oylamaya dayalı bir topluluk modeli önerilmiştir. Yapılan deneysel çalışmalarla önerilen yöntemlerin duygu analizi sonuçları doğrulanmıştır.