Search

Klasik duygu analizi yöntemlerinden farklı olarak hedef tabanlı duygu analizi (HTDA), birden fazla kategorinin olduğu karmaşık yapıdaki çevrimiçi tüketici geribildirimlerini değerlendirmede daha başarılı bir performans ortaya koyabilmektedir. Nitekim bir platformda yer alan tüketici geri bildirimleri bir ürüne ilişkin birden farklı hedefe atfedilebilmektedir ve standart duygu analizleri bu geribildirimleri analiz etmede yetersiz kalmaktadır. Literatürdeki gelişmeler gözden geçirildiğinde, HDTA çalışmalarının, duygu analizine odaklanan diğer çalışmalar içinde oldukça popüler olduğu anlaşılmaktadır. SemEval ABSA-2016 yarışmasında, HTDA için 8 farklı dilde veri setleri yayınlanmış ve ekipler duygu analizi için yarışmışlardır. Yarışmada hedef terim, kategori ve duygu sınıfı tespit etmek gibi farklı alt görevler bulunmaktadır. Bu alt görevlerin içindekilerden biri, hedef terimin tespit edilmesidir. Türkçe dili için HTDA çalışmaları oldukça sınırlıdır. Farklı diller ve farklı kelime temsil yöntemleri kullanan çalışmalar vardır. SemEval Absa 2016 yarışması Türkçe veri seti için kelime temsil yöntemlerinin etkisini inceleyen çalışma bulunmamaktadır. Bu çalışma, müşteri yorumlarındaki hedef terimlerin tespitinde farklı kelime temsil yöntemlerinin başarısının incelenmesi amacıyla gerçekleştirilmiştir. Word2Vec, Glove ve Fasttext kelime temsil yöntemleri analiz kapsamında incelenmiş ve hedef terimi en başarılı tespit edebilen yöntemin Fasttext kelime temsil yöntemi olduğu görülmüştür. Çalışmada ayrıca F-1 sınıflandırma ölçütü açısından %77 başarı oranı ile Türkçe veri seti için literatürdeki en yüksek sınıflandırma başarısı elde edilmiştir., Unlike classical sentiment analysis methods, Aspect-Based Sentiment Analysis (ABSA) can demonstrate a more successful performance in evaluating complex online consumer feedbacks including more than one category. As a matter of fact, consumer feedbacks on a platform can be referred to more than one aspect regarding a product, and standard sentiment analysis method is insufficient to analyse these comments. When the developments in the literature are reviewed, it is understood that HDTA studies are very popular among other studies focusing on sentiment analysis. In the SemEval ABSA-2016 competition, datasets were published in 8 different languages for HTDA and the teams competed for sentiment analysis. There are different subtasks in the competition, determining sub-categories such as aspect term, category and sentiment class. One of these subtasks is to determine the aspect term. HTDA studies for Turkish language are quite limited. There are studies using different languages and different word representation methods. There is no study examining the effect of word representation methods for the Turkish data set of SemEval Absa 2016 competition. This study was carried out to examine the success of different word representation methods in identifying aspect terms in customer comments. This study was carried out with the aim of examining the success of different word representation methods in identifying target terms in customer comments. Word2Vec, Glove and Fasttext word representation methods were examined within the scope of the analysis and it was seen that the method that could detect the aspect term most successfully was the Fasttext word representation method. The highest classification success for Turkish dataset in the literature with a success rate of 77% in terms of the F-1 score was also achieved in the study.

Adaptive neuro-fuzzy inference system (ANFIS) is one of the frequently preferred methods within the scope of artificial intelligence studies in recent years. It is gaining importance day by day with its successful results in many different fields and different types of data. It is a need to analyze and evaluate the studies on this subject. The purpose of this research is to analyze the studies on ANFIS published in journals covered by TR Index. 102 studies on Anfis published in journals scanned within the scope of Tr Index were analyzed. Analyzes were carried out with Maxqda analysis program. Studies were analyzed in terms of history, data normalization, division of data into training tests, performance evaluation, compared methods and methods used together. Analysis results are given with the support of Maxqda program graphics and visuals. As a result of the study, it has been determined that the number of studies related to Anfis has increased in recent years within the scope of Tr Index, but there are serious deficiencies in data normalization, separation of data for training and testing, and metrics used in performance measurement. It is thought that the results of the study will play a supportive role in the studies to be carried out on Anfis., Uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS), son yıllarda yapay zekâ çalışmaları kapsamında sıklıkla tercih edilen yöntemlerden birisidir. Birçok farklı alanda ve farklı türde verilerde başarılı sonuçlar vermesi ile de gün geçtikçe önem kazanmaktadır. Bu konuda yapılmış çalışmaların analiz edilerek genel bir değerlendirmesinin yapılması bir ihtiyaçtır. Bu araştırmanın amacı, TR Dizin kapsamında yer alan dergilerde yayınlanmış ANFIS ile ilgili yapılmış çalışmalarının analizini gerçekleştirmektir. Tr Dizin kapsamında taranan dergilerde yayınlanmış Anfis ile ilgili 102 çalışma analiz edilmiştir. Analizler Maxqda analiz programı ile gerçekleştirilmiştir. Çalışmalar tarih, veri normalizasyonu, verilerin eğitim test şeklinde bölünmesi, performans değerlendirmesi, karşılaştırılan yöntemler ve bir arada kullanılan yöntemler bakımından analiz edilmiştir. Analiz sonuçları Maxqda programı grafik ve görselleri ile desteklenerek verilmiştir. Çalışma sonucunda son yıllarda Tr Dizin kapsamında, Anfis ile ilgili çalışmaların sayısında artış olduğu fakat çalışmalarda veri normalizasyonu, verinin eğitim ve test için ayrılması ile performans ölçümünde kullanılan metrikler ile ilgili ciddi eksiklikler olduğu tespit edilmiştir. Çalışma sonuçlarının Anfis ile ilgili yapılacak çalışmalarda destekleyici bir rol oynayacağı düşünülmektedir.