Türkçe ses kayıtlarındaki konuşmalardan elde edilen verilerden duygu tespiti ve analizi

Duygu, insanın ruh halinde içsel ve çevresindeki etkilerle etkileşiminden doğan fiziksel değişimlerdir. Duygu veya duygular jest ve mimikler dışında ses ve konuşmalarla da aktarabilmektedir. Sesteki duygu tespiti, veri bilimindeki gelişmelerle beraber önem kazanmaya başlamıştır. Özellikle beden dilinin etkin olmadığı zaman ve yerlerde, örneğin ses kayıtları gibi verilerde konuşmadan yapılan duygu tespiti ve analizleri gelişen teknolojiyle birlikte bu alanla ilgili çalışma konularında üst sıralara yükselmiştir. Duygu tespiti, iki şekilde ifade edilmektedir. Bunlardan ilki daha çok insani duyguları ifade eden öfke, mutluluk, üzüntü vb. duygulardır. Diğer duygu ifade biçimi ise bu duygulardan sevinç, mutluluk gibi olumlu durumları ifade eden pozitif terimi, öfke, mutsuzluk gibi olumsuz durumları ifade negatif terimi ve kişide hiçbir tepki yaratmayan durumlar için kullanılan nötr terimidir. Pozitif, negatif ve nötr terimleri ile ifade edilen duygu aktarımları makine dili için daha uygun görülmektedir. Makine diline insani duyguları öğretmek için makine öğrenim modellerinin yanı sıra, yapay zeka algoritmaları da kullanılmaktadır. Böylelikle yapılan duygu tespitlerinin yanı sıra makine öğrenim modelleri ile duygu tespitinin analizi yapılmaktadır. Bu çalışmada da, Türkçe ses kayıtlarından oluşan bir veri setinin, duygu tespiti ve analizi gerçekleştirilerek, Türkçe duygu veri tabanı oluşturma ve çalışmanın içeriğiyle, yapılış yöntemiyle diğer Türkçe çalışmalara öncü olması amaçlanmıştır. Çalışmada kullanılan veri seti, Common Voice açık kaynak ses veri kümelerinden elde edilmiştir. Veri setindeki ses kayıtları üzerinden direkt duygu tespiti gerçekleştirilmemiş, ses kayıtları metin haline getirilerek, bu metinler üzerinden duygu tespiti gerçekleştirilmiştir. Bu durum çalışmayı farklı kılan hususlardan biri olmuştur. Duygu tespiti için BERT modelinin iki farklı varyasyonu ve TextBlob kütüphanesi kullanılmıştır. Çalışmanın bir diğer önemli noktası ise veri seti üzerinde yapılan duygu tespiti sonrasında makine öğrenim modelleri ile yapılan analiz olmuştur. Literatür araştırması sonrası çalışmalarda en çok kullanılan beş makine öğrenim modeli ile bu analizler gerçekleştirilmiştir. Analizler, hem Python programlama dilinde hem de RapidMiner veri analiz platformunda gerçekleştirilmiştir. Çalışmadaki duygu tespitinin üç farklı yöntemle gerçekleştirilmesi, analizlerin iki farklı şekilde ve kendi içinde de çeşitlendirilmesi çalışmayı özgün kılan hususlar olmuştur.