Aspect based opinion mining on Turkish tweets

Kişiler ve markalar hakkındaki g ör üşleri anlamak, itibar y önetimi ve karar verme konularında yardımcı olur. Sosyal medyann gelişiyle, daha çok insan tavsiye ve g ör üşlerini aleni şekilde paylaşmaya istekli hale gelmiştir. Sosyal alanların tip ve miktarı arttığı için, metinsel kaynaklardaki duygu analizini otomatize etmek, zaruri bir veri madenciliği görevi haline gelmiştir. Duygu sınıflandırma, metindeki duygu kutupluluğunu belirlemeyi amaçlar. Kutupluluk, duygunun g üçl ül üğ u belirtildiği kadar, ya ikili (pozitif, negatif) ya da cok değişkenli skalada tahmin edilir. Metinler çoğu kez pozitif ve negatif duyguların karışımını ihtiva ederler; dolayısıyla, bu iki tip duyguyu sıkça aynı anda saptamak gereklidir. Metni duygu kutupluluğuna g öre sınıflandırmak ana bir g örev iken, duyguları her alt konulariçin ayrı ayrı analiz etmek, çoğu uygulama için daha faydalı olabilir.Biz bu çalışmada, bir kısa metin koleksiyonu üzerinde kişi ve başlıklar hakkındaki alt konuları çıkararak, d üşünce analizi problemi üzerinde inceleme yapmaktayız. Resmi olmayan kısa mesajlar içeren T urkçe tweetler üzerinde yoğunlaşmaktayız. D üşünce analizi üzerinde literat ürde yer alan kelime s özl üğü ve etiketli veriler gibi kaynakların çoğu ingilizce içindir. Bizim yaklaşımımızın, b öyle zengin kaynakların olmadığı diğer diller için duygu analizini geliştirmeye yardımcı olması m ümk ünd ür. Birtakım önişleme adımlarından sonra, veriden ür ün(ler) hakkındaki alt konuları çıkarıp, bu konulara dayanarak tweetleri gruplamaktayız. Elle işletilerek oluşturduğumuz T ürkçe duygusal kelime listesine ek olarak, bir kelime seçme algoritması kullanıp, kelimelerin duygu g üçl ül üğ ü ilebirlikte bir otomatize oluşum y öntemi geliştirildi. Daha sonra, duygu tabanlı metin g österim şekli olarak ifade edilen, kelimelerin duygu g üçl ül üğüne g öre metnin yeni bir g österim şekli oluşturuldu. Metinlerin öznitelik vekt ör ü, bu yenig österim şekline g öre oluşturulmaktadr. Pozitif ve negatif duygu karışımını belirlemek için çok değişkenli skalada öznitelik vekt örlerine dayanan sınıflandırıcılar oluşturmak ve bunların performansını Twitter API vasıtasıyla zamanla toplananT ürkçe tweet verisinde test etmek için makine öğrenmesi y öntemlerini uyarlamaktayız.