Aspect-based sentiment analysis in Turkish

Abstract

Çoğu müşteri bir ürünü satın almayı düşündüklerinde, o ürünü daha önceden satın almış ve kullanmış diğer tüketicilerin inceleme ve yorumlarına güvenir. İnsanların fikir ve tercihlerini online platformlarda paylaşması yaygınlaştıkça, bu devasa bilgi kaynağı şirketlerin ürünleri hakkında geri bildirim alabilmeleri için çok değerli hale gelmiştir. Bu yüzden araştırmacılar, veri madenciliği ile duygulardan yararlı bilgileri ayrıştırmak gibi önemli bir amaç edinmişlerdir. Bu tezin hedefi, bir akıllı telefon hakkındaki Türkçe incelemelerin duygu sınıflarının belirlenmesi için doğal dil işleme kullanılarak; performans, fiyat ve kamera hedefleri bazında hedef-tabanlı duygu analizini gerçekleştirmektir. Kullanılan teknikler veri ön işlenmesi, açık ve kapalı özellik çıkarımı ve bunların ilgili hedeflere gruplanması, kelime ve kelime grupları seviyesinde sözlük tabanlı duygu analizidir. Sonuçlar, incelenen hedefler için en yüksek kesinlik, duyarlılık ve F1 ölçümü değerlerinin sırasıyla %93, %94 ve %93 olduğunu göstermiştir. Bu sonuçlar bizim çalışmamızın, diğer Türkçe hedef tabanlı duygu analizi çalışmalarıyla karşılaştırıldığında, kayda değer bir performansa sahip olduğunu ortaya çıkarıyor.

Most customers rely on reviews and comments of other consumers that already purchased and used the products that they intend to purchase. As the sharing opinions and preferences of people on online platforms are widespread, these huge data sources are highly valuable to companies to gather feedback on their products. Therefore, researchers have an essential data mining goal to extract useful information from sentiments. In this thesis, the aim is to perform an aspect-based analysis to determine the sentiment polarity of the reviews for a smart phone using natural language processing techniques in Turkish for the performance, price and camera aspects. The techniques used are data preprocessing, explicit and implicit feature extraction as well as grouping corresponding aspects and lexicon-based sentiment analysis at word-level and word-group level. The evaluations show that the highest values of precision, recall and f1 measure for the aspects examined are found to be 93%, 94% and 93%, respectively. These results reveal that our study has remarkable performance compared to other Turkish aspect-based sentiment analysis studies.