Dr. Koç ve çalışma arkadaşlarının duygu analizi üzerine çalışması IEEE Transactions on Neural Networks and Learning Systems dergisinde yayımlanmıştır.
“Multi-Label Sentiment Analysis on 100 Languages with Dynamic Weighting for Label Imbalance” başlıklı makalede, farklı sınıflardan gelen kayıpları dengeleyerek çok etiketli sınıflandırmadaki etiket dengesizliği sorununu aşan yeni bir yöntem önerilmektedir. Önerilen model 100 farklı dilde duygu sınıflandırması yapabilmekte ve tek bir modelle SemEval yarışmasında İngilizce, Arapça ve İspanyolca için 9 ölçütün 7’sinde birinci olmaktadır.
Makaleye [buradan] erişilebilir.
Özet:
Pazar araştırması, siyaset ve sosyal bilimler gibi pek çok alandaki uygulamaları nedeniyle büyük ilgi gören diller arası duygu analizi incelenmektedir. Plutchik’in duygu çarkıyla uyumlu olması nedeniyle çok etiketli bir duygu analizi çerçevesi sunulmaktadır. Sınıf sıklığına göre değişmeyen ağırlıklar atayan önceki durağan ağırlıklandırma yöntemlerinden farklı olarak, eğitim sırasında her sınıfın katkısını dengeleyen yeni bir dinamik ağırlıklandırma yöntemi önerilmektedir. Ayrıca tek etiketli nesne tanıma literatüründe zor örneklere ağırlık veren odak kaybı çok etiketli duruma uyarlanmıştır. Bunun yanında makro-F1 skorunu doğrusal zaman karmaşıklığında en büyükleyen, sınıfa özgü en uygun eşiklerin seçimi için bir yöntem türetilmiştir. Kapsamlı deneyler, yöntemin tek bir modelle üç farklı dilde dokuz ölçütün yedisinde yaygın taban yöntemlere ve SemEval yarışmasının en başarılı yöntemlerine göre en iyi sonucu verdiğini göstermektedir. 100 dilde duygu analizi yapabilen modelin kodu, ileri araştırmaları kolaylaştırmak amacıyla açık olarak paylaşılmaktadır.