DSpace Repository

Developing the recurrent neural network with long-short term memory and word2vec representation for sentiment classification

Show simple item record

dc.contributor.author Al-Kubaısı, Falah Amer Abdulazeez
dc.date.accessioned 2019-11-07T11:49:49Z
dc.date.available 2019-11-07T11:49:49Z
dc.date.issued 2018-09-19
dc.identifier.citation Al-Kubaısı, Falah Amer Abdulazeez (2018). Developing the recurrent neural network with long-short term memory and word2vec representation for sentiment classification / Duygu sınıflandırma için uzun kısa süreli bellek ve word2vec temsilcisi ile yenileme neural ağının geliştirilmesi. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü. tr_TR
dc.identifier.uri http://hdl.handle.net/20.500.12416/2082
dc.description.abstract Makine öğreniminin en önemli bileşenlerinden bir tanesi sınıflandırmadır. Duygu analizi, sınıflamanın alt alanlarından biridir. Duygu analizi insanların duygularıyla ilgili düşüncelerini araştıran ve sınıflandıran yöntemlerle çalışır ve konuya ve hatta diğer metinlere yönelik altta yatan izlenimleri çıkarır. Bu çalışmada, metinleri olumlu ya da olumsuz olarak analiz edebilen ikili duygu sınıflandırması için bir sinir ağı modeli geliştirmeye çalıştık. Pek çok makale olasılıksal sınıflandırıcıların ve doğrusal sınıflandırıcı (SVM) yöntemlerinin Yapay Sinir Ağı yöntemlerinden daha doğru olduğu sonucuna varmışlardır. Bu çalışmada, Sinir Ağ yöntemleri alanında gelişme için daha fazla alan olduğunu kanıtladık. Sonuçlarımızı dört denetimli öğrenme yöntemi ile karşılaştırdık: Naïve-Bayes, Maksimum Entropi, Destek Vektör Makinesi ve Stokastik Gradyan Descent. Bahsi geçen bu yöntemler ile karşılaştırıldığı durumda daha iyi sonuçlar elde ettik. RNN (Tekrarlayan Nöral Ağ) ile Glove (Kelime Temsili Global Vektörler) kullanarak% 91.04 doğruluk elde ettik. tr_TR
dc.description.abstract One of the major components of machine learning is classification. Sentiment analysis is one of the sub-fields of classification. It works on the methods that study and classify the opinions of people regarding their feelings and it extracts any underlying impressions toward subjects or even other texts. In this study, we worked on developing a neural network model for binary sentiment classification which can analyze data as being either positive or negative. Many papers conclude that probabilistic classifiers and linear classifier (SVM) methods are more accurate than Neural Network methods. In this study, we proved (demonstrated) that there is more space for development in the Neural Network methods field. We compared our results with four supervised methods: Naïve Bayes, Maximum Entropy, Support Vector Machine, and Stochastic Gradient Descent. We achieved better results than the results of the mentioned methods by using RNN (Recurrent Neural Network) with GLOVE (Global Vectors for Word Representation) and achieved a result of 91.04% accuracy. tr_TR
dc.language.iso eng tr_TR
dc.rights info:eu-repo/semantics/openAccess tr_TR
dc.subject Movie Reviews tr_TR
dc.subject Sentiment Analysis tr_TR
dc.subject Deep Learning tr_TR
dc.subject Machine Learning tr_TR
dc.subject Neural Network tr_TR
dc.title Developing the recurrent neural network with long-short term memory and word2vec representation for sentiment classification tr_TR
dc.title.alternative Duygu sınıflandırma için uzun kısa süreli bellek ve word2vec temsilcisi ile yenileme neural ağının geliştirilmesi tr_TR
dc.type masterThesis tr_TR
dc.identifier.startpage 1 tr_TR
dc.identifier.endpage 79 tr_TR
dc.contributor.department Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Bölümü tr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record