Portal de Periódicos da CAPES

Investigation of Aspect Based Turkish Sentiment Analysis Subtasks – Identification of Aspect Term, Aspect Category And Sentiment Polarity

2018; Volume: 11; Issue: 1 Linguagem: Turco

10.17671/gazibtd.325865

2147-0715

Fatih Samet Çetin, Gülşen Eryiğit,

Humor Studies and Applications

Geleneksel olarak doküman veya cümle seviyesinde yürütülen duygu analizi çalışmaları, hedef tabanlı duygu analizi çalışmalarının ortaya çıkması ile yeni bir seviyeye taşınmıştır. Hedef tabanlı duygu analizi (Aspect based sentiment analysis) kısaca, bir metnin içinde yer alan farklı duyguların ilgili oldukları hedef varlıklar ile birlikte tespit edilmesi olarak tanımlanabilir. Güncel tanımlamalar, hedef tabanlı duygu analizini, üç temel alanla (hedef terim, hedef kategori ve duygu sınıfı) temsil edilen duygu tanımlama gruplarını belirlemeyi amaçlayan aşamalı bir görev olarak betimlemektedir. Bu makalede, Türkçe hedef tabanlı duygu analizi konusunda yapılan incelemeler sunulmaktadır. Yürütülen çalışmalar, ABSA 2016 yarışmasındaki görevler (1- Hedef kategori belirleme, 2- Hedef terim belirleme, 3- Hedef kategori ve hedef terimin aynı anda belirlenmesi ve 4- Duygu sınıfı belirleme) takip edilerek tasarlanmış ve yine burada sağlanan Türkçe restoran yorumları veri kümesi üzerinde değerlendirilmişlerdir. Hedef kategori, hedef terim ve ikisinin aynı anda belirlenmesi görevleri için, kelime vektörleri (word vectors) ve doğal dil işleme çıktıları (sözcük ve cümle analizi bilgileri) kullanan koşullu rastgele alanlara (CRF – conditional random fields) dayalı bir dizilim etiketleme algoritması tasarlanmış ve her üç görevi de tek aşamada çözebildiği gösterilmiştir. Elde edilen sonuçlar ile bu ilk üç görev için literatürdeki en yüksek başarımların elde edildiği görülmüştür: Hedef kategori belirlemede %66,7 F1-skoru, hedef terim belirleme %53,2 F1-skoru, hedef kategori ve hedef terimin aynı anda belirlenmesinde %46,7 F1-skoru. Bunun yanı sıra, duygu sınıfı belirleme için cümle analizi sonucunda hedef terime yakın kelimelerden özellik seçimine dayalı bir lineer sınıflandırma yöntemi sunulmuş ve literatürde sınırlı sistemler tarafından raporlanan en başarılı sonuç (%76,1 F1-skoru) elde edilmiştir.