Feature-based sentiment analysis with ontologies

Abstract

Duygu analizi, son yıllarda uzerinde cok fazla arastırma yapılan bir alandır. Duyguanalizi temel olarak, buyuk veya cok sayıda yazılı metinden olumlu ve olumsuz goruslericıkartmaktır. Bu alanda yapılan calısmalar alt dallara ayrılmıstır. Ozellik tabanlı duyguanalizi, bir konuda belirli ozelliklere yonelik duyguları bulmayı amac¸lar. Arastırmalarınilk yıllarında, ticari urunler ve bu urunlerin ozellikleri uzerine yogunlasılmıstır. Urunlerinozellikleri otomatik olarak tespit edilebilmeye baslandıgında; bu ozellikler icin duyguanalizi yapılmaya da baslanmıstır. Semantik analiz ve ontoloji konseptlerinin gelisimiylebirlikte, ozellik analizi alanında yeni calısmalar yapılmıstır. Dogal dil isleme teknikleriuzerine yapılan calısmalar da ozellik tabanlı duygu analizi konusuna katkı saglamaktadır.Bu tez calısması ozellik tabanlı duygu analizi icin dogal dil isleme tekniklerini vekelimeler arasındaki baglantıları kullanan bir cerceve olusturmak, ontoloji yapısını kullanarakkarsılastırılabilir ve okunabilir sonuclar olusturmayı amaclamaktadır.

Sentiment analysis is a topic that many researchers work on. In recent years, newresearch directions under sentiment analysis appeared. Feature-based sentiment analysisis one such topic that deals not only with finding sentiment in a sentence but providinga more detailed analysis on a given domain. In the beginning researchers focused oncommercial products and manually generated list of features for a product. Then theytried to generate a feature-based approach to attach sentiments to these features. With theemergence of semantic analysis and ontologies, we now have different domain ontologiescreated for other purposes that can be used to find features in a domain. Also, NaturalLanguage Processing matured in recent years and allow us to analyze a paragraph inmore detail.This thesis aims to propose a framework for feature-based sentiment analysis that usesNLP techniques to analyze grammatical dependencies between words in a sentence, useontology representation to model domains, polarity information and results separately,and producing easily readable and comparable summaries as output.