Kuantum hesaplama kullanan derin öğrenme ile karşılıklı görüşmelerde duygu analizi

Kuantum teorisi, başlangıçta mikroskobik parçacıkların hareketlerini tanımlamak için fiziksel bir teori olarak önerilmiş daha sonra kuantum benzeri özellikler sergileyen, insan bilişi ve karar verme sürecini içeren çeşitli fizik dışı alanlara uygulanmıştır. Bu alanlardan biri de duygu analizidir. Duygu Analizi, insanların bir duruma, olaya veya konuşmaya karşı duygu veya tutumlarının incelenmesini sağlayan Doğal Dil İşlemenin en popüler uygulamalarından biridir. Literatürdeki birçok çalışma film yorumları ve Twitter verileri üzerinde çalışmaktadır. Sağlık verileri üzerinden duygu analizi gerçekleştiren çalışma yok denecek kadar azdır. Bu tez kapsamında sağlık verileri üzerinden duygu analizi gerçekleştirmek amacıyla klasik ve kuantum hesaplama kullanan derin öğrenme tabanlı yeni yöntemler önerilmiştir. Önerilen yöntemlerden ilki LSTM derin öğrenme modeli kullanarak sağlık alanındaki karşılıklı görüşmelerden duygu analizi ile olumlu, nötr ve olumsuz olarak üç kutuplu bir sınıflandırma yapmıştır. Kullanılan bu yöntemde öncelikle model eğitimine yönelik veriler metin işleme yöntemleriyle hazır hale getirildi ve LSTM derin öğrenme algoritmasıyla hazırlanan veri seti ile model eğitildi. Eğitim sonucunda başarı oranı %94 olarak hesaplandı. Elde edilen başarı oranı Literatürde incelenen çalışmalar ile karşılaştırılınca önerilen yöntemin başarı yüzdesi oldukça yüksektir. Önerilen yöntemlerden bir diğeri, hastanelerle ilgili hastaların incelemelerine yönelik duygu analizi gerçekleştirilmiştir. Hastaların tıbbi incelemeleri tıbbi yönetim departmanı için oldukça önemlidir. Hasta değerlendirmelerinin olumlu veya olumsuz olarak sınıflandırmak için dört sinir modeli geliştirildi. Öncelikle çevrimiçi alınan veriler ön işleme tabi tutuldu. Daha sonra sinirsel eğitim gerçekleştirmek amacıyla Skipgram kelime yerleştirme kullanıldı en son olarak eğitim gerçekleştirildi. Eğitim aşamalarının ardından %85 üzerinde performansla en iyi başarı puanına sahip iki model LSTM- CNN ve LSTM mimarileri oldu. Önerilen yöntemlerden sonuncusu doktor-hasta diyaloglarından oluşan metinlerin içerdiği duyguların pozitif-nötr-negatif olarak sınıflandırılması amacıyla kuantum hesaplama ve derin öğrenmede kullanılan LSTM yinelemeli sinir ağı modeli kullanılmıştır. Önerilen yöntemin başarı oranı %94,52' dir. Kuantum Hesaplama yöntemi programların işletilmesinde zaman açısından kritik rol almaktadır. Bu yüzden önerilen yöntemin diğer alandaki çalışmalar için de klasik-kuantum hibrit yönteminin öncülük edeceği düşünülmektedir.