Detection of Aspect Category and Aspect-Based Sentiment Analysis on Restaurant Customers' Feedbacks

Süleyman Demirel Üniversitesi Vizyoner Dergisi Pub Date : 2023-09-20 DOI:10.21076/vizyoner.1208355

M. Tuna, Mesut Polatgi̇l, Oğuz Kaynar

{"title":"Detection of Aspect Category and Aspect-Based Sentiment Analysis on Restaurant Customers' Feedbacks","authors":"M. Tuna, Mesut Polatgi̇l, Oğuz Kaynar","doi":"10.21076/vizyoner.1208355","DOIUrl":null,"url":null,"abstract":"Günümüzde tüketicilerin ürün ve hizmetler konusunda fikir paylaşabilecekleri birçok mecra bulunmaktadır. Bu fikirler, geri bildirimin yapısı itibariyle genellikle metin formatındadır. Duygu analizi, metin tabanlı bilgi kaynaklarında son yıllarda önem kazanan bir konudur. Daha hassas bir duygu analiz türü olan Hedef Tabanlı Duygu Analizi bir cümle içerisinde hedef terim, hedef kategori ve duygu sınıfının belirlenmesi işidir. Bu çalışmada Semeval ABSA yarışmasında yarışmacılara sunulan restoran müşterilerine ait yorumlardan oluşan bir veri seti kullanılmıştır. Word2vec, Glove, Fastext ve Bert yöntemleri kullanılarak veri seti üzerinde hedef terim, hedef kategori ve duygu sınıfının belirlenmesi işlemi gerçekleştirilmiştir. Kelimeyi vektörü ile cümle vektörünün birleştirilmesi ABSA için sınıflandırma başarısını artırıp artıramayacağı hipotezi test edilmiştir. Dört farklı vektör yöntemi ile yapılan sınıflandırmada hedef terim için 0,78 F1 skoru ile Fasttext yöntemi, hedef kategori için 0,57 F1 skoru ile Fasttext ve duygu sınıfı için 0,76 F1 skoru ile Bert yöntemi en başarılı sonuçları vermiştir. Bu sonuçlar literatürde farklı veri setleri ve farklı diller için yapılan çalışmalarla kıyaslanmıştır. Sonuç olarak Fasttext ve Bert temsil yöntemlerinin hedef tabanlı Türkçe dilindeki metinlerin duygu analizinde başarılı sonuçlar verdiği tespit edilmiştir.","PeriodicalId":503282,"journal":{"name":"Süleyman Demirel Üniversitesi Vizyoner Dergisi","volume":"59 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-09-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Süleyman Demirel Üniversitesi Vizyoner Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21076/vizyoner.1208355","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Günümüzde tüketicilerin ürün ve hizmetler konusunda fikir paylaşabilecekleri birçok mecra bulunmaktadır. Bu fikirler, geri bildirimin yapısı itibariyle genellikle metin formatındadır. Duygu analizi, metin tabanlı bilgi kaynaklarında son yıllarda önem kazanan bir konudur. Daha hassas bir duygu analiz türü olan Hedef Tabanlı Duygu Analizi bir cümle içerisinde hedef terim, hedef kategori ve duygu sınıfının belirlenmesi işidir. Bu çalışmada Semeval ABSA yarışmasında yarışmacılara sunulan restoran müşterilerine ait yorumlardan oluşan bir veri seti kullanılmıştır. Word2vec, Glove, Fastext ve Bert yöntemleri kullanılarak veri seti üzerinde hedef terim, hedef kategori ve duygu sınıfının belirlenmesi işlemi gerçekleştirilmiştir. Kelimeyi vektörü ile cümle vektörünün birleştirilmesi ABSA için sınıflandırma başarısını artırıp artıramayacağı hipotezi test edilmiştir. Dört farklı vektör yöntemi ile yapılan sınıflandırmada hedef terim için 0,78 F1 skoru ile Fasttext yöntemi, hedef kategori için 0,57 F1 skoru ile Fasttext ve duygu sınıfı için 0,76 F1 skoru ile Bert yöntemi en başarılı sonuçları vermiştir. Bu sonuçlar literatürde farklı veri setleri ve farklı diller için yapılan çalışmalarla kıyaslanmıştır. Sonuç olarak Fasttext ve Bert temsil yöntemlerinin hedef tabanlı Türkçe dilindeki metinlerin duygu analizinde başarılı sonuçlar verdiği tespit edilmiştir.

查看原文本刊更多论文

餐厅顾客反馈的特征类别检测和基于特征的情感分析

如今，消费者可以通过许多渠道分享他们对产品和服务的意见。由于反馈的性质，这些意见通常是文本格式的。情感分析是近年来在基于文本的信息源中越来越受重视的一个课题。基于目标的情感分析是一种更敏感的情感分析，其任务是确定句子中的目标术语、目标类别和情感类别。本研究使用了一个数据集，该数据集由餐厅顾客在 Semeval ABSA 比赛中向参赛者发表的评论组成。使用 Word2vec、Glove、Fastext 和 Bert 方法来确定数据集上的目标术语、目标类别和情感类别。测试了将词向量与句子向量相结合能否提高 ABSA 分类成功率的假设。结果表明，Fasttext 方法的目标术语 F1 得分为 0.78，Fasttext 方法的目标类别 F1 得分为 0.57，Bert 方法的情感类别 F1 得分为 0.76。这些结果与文献中针对不同数据集和不同语言的研究结果进行了比较。结果表明，Fasttext 和 Bert 表示方法在对基于目标的土耳其文本进行情感分析时取得了成功。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Süleyman Demirel Üniversitesi Vizyoner Dergisi

自引率

0.00%

发文量