Bu çalışma, Teknofest 2024 Türkçe Doğal Dil İşleme yarışması "Senaryo" kategorisinde "Entity Bazlı Duygu Analizi" problemi için geliştirilmiştir.

Bu proje, "Entity Bazlı Duygu Analizi Yarışması" kapsamında müşteri geri bildirimlerini analiz ederek belirli hizmet yönleri veya ürün özellikleri ile ilgili duyguları sınıflandırmayı hedeflemektedir. Katılımcılar, farklı sektörlerden ve çeşitli firmalardan veya kurumlardan gelen müşteri yorumlarını inceleyeceklerdir. İlk aşamada, verilen yorumları doğru entity'lere atfetmek için bir yöntem geliştirilmiştir. İkinci aşamada ise bu entity'lere ait hizmet veya ürün özelliklerine yönelik yorumlardaki duyguları (olumlu, olumsuz veya nötr) doğru bir şekilde sınıflandırılmıştır. Bu proje, metin madenciliği ve doğal dil işleme (NLP) tekniklerini kullanarak müşteri geri bildirimlerinden anlamlı içgörüler çıkarma becerilerini test etmeyi amaçlamaktadır. Proje, firmaların müşteri memnuniyetini artırmalarına ve ürün/hizmet geliştirme süreçlerini optimize etmelerine yardımcı olmayı hedeflemektedir.

Danışman: Şengül BAYRAK HAYTA - LinkedIn
Kaptan: Alper KARACA - LinkedIn, Github
Üye: Ferhat TOSON - LinkedIn, Github
Üye: Selçuk YAVAŞ - LinkedIn, Github
Üye: Mehmet Emin Tayfur - LinkedIn, Github

Bu proje, Entity Bazlı Duygu Analizi gerçekleştirmek için çeşitli Python kütüphanelerini kullanmaktadır. Aşağıda, kullanılan kütüphaneler ve bunların nasıl kurulacağını gösteren adımlar bulunmaktadır.

app-store-scraper
beautifulsoup4
catboost
fasttext
emoji
gensim
google-play-scraper
lightgbm
matplotlib
mlxtend
numpy
pandas
re
scikit-learn
sklearn-crfsuite
spacy
torch
transformers
tqdm
urllib3
xgboost

Çalışmaların hepsi Kaggle ortamında yapılmıştır. Kullanılan donanımlar;

• GPU: 2x8 GB VRAM NVIDIA T4 Ekran kartı
• Processor: Intel(R) Xeon(R) CPU @ 2.20GHz
• RAM: 32 GB

Yarışma için Kaggle ve HuggingFace platformundaki X, Y veri setleri; SikayetVar, Google Play Store ve App Store sitelerinden web kazıma ile veri seti oluşturulmuştur. Veri setine ait dağılımlar aşağıda verilmiştir.

• RID Sütunu: Çekilen metine ait eşsiz anahtarı (primary key) belirtir.
• SID Sütunu: RID'e ait metindeki kaçıncı cümle olduğunu belirtir.
• App Sütunu: Çekilen metinin kaynağını belirtir.
• Review Sütunu: Yapılan yorumdaki cümleyi belirtir.
• Aspect Sütunu: Cümledeki "Entity" belirtir.
• Sentiment Sütunu: Cümledeki "Entity" ait duyguyu belirtir.

"Entity Extraction" için oluşturulan veri setine ait özellikler aşağıda verilmiştir.

"Sentiment Analysis" için oluşturulan veri setine ait özellikler aşağıda verilmiştir.

Bu uygulamada ön yüz geliştirme için JavaScript ile "React JS"; arka uç geliştirme için "Axios" kullanılmıştır. API için Python ile "FastAPI" kütüphanesi kullanılmıştır. Bu API, Docker konteyneri haline getirilip HuggingFace platformu üzerinde yayınlanmıştır.

Belirtilen Entity'e ait yorumları, seçilen platform (Google Play Store, App Store, SikayetVar) üzerinden yapılan son yorumları çekerek bu cümlelerdeki Entity'leri bulup duygularını sınıflandırır.

Her bir problem için eğitilen modeller ve bu modellere ait skorlar aşağıda verilmiştir.

Uygulamanın lisansına buradan ulaşabilirsiniz.

• Neural coreference resolution for Turkish
• Marmara Turkish coreference corpus and coreference resolution baseline
• An ensemble approach for aspect term extraction in Turkish texts Türkçe metinlerde hedef terimi çıkarımı için bir topluluk yaklaşımı
• Semeval-2016 task 5: Aspect based sentiment analysis
• A hybrid sentiment analysis method for Turkish
• Application of BiLSTM-CRF model with different embeddings for product name extraction in unstructured Turkish text
• Financial named entity recognition for Turkish news texts
• Turkish sentiment analysis using bert
• So-haTRed: A Novel Hybrid System for Turkish Hate Speech Detection in Social Media With Ensemble Deep Learning Improved by BERT and Clustered-Graph Networks
• Named entity recognition in Turkish: A comparative study with detailed error analysis