Tez No	İndirme	Tez Künye	Durumu
645129		Developing a comprehensive framework for sentiment analysis in Turkish / Türkçe için kapsamlı bir duygu analizi çatısı geliştirme Yazar:CEM RIFKI AYDIN Danışman: PROF. DR. TUNGA GÜNGÖR ; PROF. DR. SADIK FİKRET GÜRGEN ; DR. ÖĞR. ÜYESİ TEVFİK AYTEKİN Yer Bilgisi: Boğaziçi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Metin sınıflandırma = Text categorization	Onaylandı Doktora İngilizce 2020 171 s.
Bu çalışmada, Türkçe için geniş kapsamlı bir duygu analizi çatısı oluşturulmuştur. Ayrıca, İngilizce'de duygu analizine özel bazı yaklaşımlar da geliştirilmiştir. Bu kapsamda bu problemin bir sürü yönü göz önünde bulundurulmuştur. Beş tane ana katkı ve üç tane küçük katkıda bulunulmuştur. Denetimsiz, yarı denetimli ve denetimli yöntemlerle orijinal ve etkili öznitelik kümeleri oluşturulmuştur. Bundan sonra, bu öznitelikler klasik makine öğrenme metotlarına girdi olarak verilmiştir ve Türkçe ile İngilizce dillerindeki veri setleri için, yapay sinir ağlarının performansı geçilmiştir. Türkçe dili için ilk defa yarı denetimli yöntemlerle duygu sözlükleri oluşturulmuştur. Sondan eklemeli Türkçe dili için detaylı bir biçimbilimsel analiz gerçekleştirilmiş ve eklerin duygu skorları tespit edilmiştir. Bu, biçimsel olarak zengin diğer dillere de uygulanabilmektedir. Tekrarlamalı ve yinelemeli sinir ağı modellerini birleştiren özgün bir yapay sinir ağı mimarisi geliştirilmiştir. Duygusal, sözdizimsel, anlamsal ve sözlüksel öznitelikler hesaba katılarak, hem Türkçe hem İngilizce için özgün kelime vektörleri oluşturulmuştur. Ayrıca, bağlam pencereleri yancümlecik olarak belirlenerek İngilizce için kısmen orijinal bir yöntemle kelime vektörleri modellenmiştir. Bu, diğer dilbilimsel alanlara ve doğal dil işleme alanlarına uyarlanabilmektedir. Bütün bu özgün yaklaşımlar için, ölçüt olarak alınan çalışmaların başarı oranları geçilmiştir. Küçük çaplı katkılarımız, Türkçe için yön bazlı duygu analizi, yarı denetimli metot için parametrelerin değiştirilmesi ve İngilizce'de duygu analizi için yorumlarda yönlerin tespit edilmesi olarak belirtilebilir. Bu tez, Temmuz, 2020 itibariyle Türkçe için geliştirilmiş en kapsamlı çalışma olarak atfedilebilir. Bu çalışma aynı zamanda İngilizce'de duygu analizi alanı için önemli katkılarda bulunmuştur.
In this thesis, we developed a comprehensive framework for sentiment analysis that takes its many aspects into account mainly for Turkish. We have also proposed several approaches specific to sentiment analysis in English only. We have accordingly made five major and three minor contributions. We generated a novel and effective feature set by combining unsupervised, semi-supervised, and supervised metrics. We then fed them as input into classical machine learning methods, and outperformed neural network models for datasets of different genres in both Turkish and English. We created a polarity lexicon with a semi-supervised domain-specific method, which has been the first approach applied for corpora in Turkish. We performed a fine morphological analysis for the sentiment classification task in Turkish by determining the polarities of morphemes. This can be adapted to other morphologically-rich or agglutinative languages as well. We have built a novel neural network architecture, which combines recurrent and recursive neural network models for English. We built novel word embeddings that exploit sentiment, syntactic, semantic, and lexical characteristics for both Turkish and English. We also redefined context windows as subclauses in modelling word representations in English. This can also be applied to other linguistic fields and natural language processing tasks. We have achieved state-of-the-art and significant results for all these original approaches. Our minor contributions include methods related to aspect-based sentiment in Turkish, parameter redefinition in the semi-supervised approach, and aspect term extraction techniques for English. This thesis can be considered the most detailed and comprehensive study made on sentiment analysis in Turkish as of July, 2020. Our work has also contributed to the opinion classification problem in English.