Türkçe film yorumlarında duygu analizi için bağlamsal, kurallı ve istatistiksel yöntemlerin hibrit model yaklaşımı ile karşılaştırma analizi
| dc.contributor.advisor | Koçer, Sabri | |
| dc.contributor.author | Dündar, Beyza | |
| dc.date.accessioned | 2026-08-11T08:06:27Z | |
| dc.date.available | 2026-08-11T08:06:27Z | |
| dc.date.issued | 2026 | |
| dc.date.submitted | 2026 | |
| dc.department | NEÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı | |
| dc.description.abstract | Bu tez çalışmasında, doğal dil işleme (NLP) ve duygu analizi yöntemleri kullanılarak Türkçe film yorumlarının otomatik olarak sınıflandırılması amaçlanmıştır. Günümüzde dijital platformlarda kullanıcılar tarafından üretilen metinsel verilerin hızla artması, bu verilerden anlamlı bilgi elde edilmesini önemli hale getirmiştir. Özellikle Türkçe gibi doğal dil işleme kaynakları sınırlı dillerde duygu analizi çalışmaları, akademik ve uygulamalı araştırmalar açısından önemli bir problem alanı oluşturmaktadır. Bu kapsamda çalışmada, Türkçe film yorumları üzerinde farklı makine öğrenmesi, derin öğrenme ve bulanık mantık tabanlı yöntemlerin performansları karşılaştırmalı olarak incelenmiştir. Çalışmada kullanılan veri seti, Kaggle platformunda yer alan "Turkish Movie Sentiment Analysis Dataset" veri setinden elde edilmiştir. Toplam 80.000 yorumdan oluşan veri seti, işlem maliyetini azaltmak ve çalışma analizlerini daha verimli gerçekleştirebilmek amacıyla split yöntemi kullanılarak 40.000 yorumluk alt veri setine dönüştürülmüştür. Yorumlar olumlu ve olumsuz olarak etiketlenmiş, ardından metin verileri üzerinde gerekli ön işleme adımları uygulanmıştır. Birinci çalışmada, Naive Bayes, Lojistik Regresyon, Destek Vektör Makineleri (DVM), BERT tabanlı derin öğrenme modeli ve Bulanık Mantık yaklaşımı kullanılarak duygu sınıflandırması gerçekleştirilmiştir. İkinci çalışmada, Mamdani Max–Min sınıflandırma yöntemine dayalı bulanık çıkarım mekanizması kullanılarak bulanık mantık modeli geliştirilmiştir. Üçüncü çalışmada ise, BERT ve Bulanık Mantık yöntemlerinin birlikte kullanıldığı hibrit model ile BERT, Bulanık Mantık ve TF-IDF/Lojistik Regresyon yöntemlerini bir araya getiren üçlü hibrit yapı önerilmiştir. Tüm modellerin performansları doğruluk, kesinlik, geri çağırma ve F1-skor ölçütleri kullanılarak değerlendirilmiştir. Elde edilen sonuçlara göre, birinci çalışmada BERT modeli %81 doğruluk ve %82 F1-skor değeri ile en başarılı tekil model olmuştur. Naive Bayes modeli %72 doğruluk ve %70 F1-skor, Lojistik Regresyon modeli %76 doğruluk ve %75 F1-skor, Destek Vektör Makineleri modeli ise %75 doğruluk ve %74 F1-skor değeri elde etmiştir. İkinci çalışmada geliştirilen bulanık mantık tabanlı model %68 doğruluk ve %66 F1-skor başarısı göstermiştir. Üçüncü çalışmada önerilen Bulanık Mantık–BERT hibrit modeli %83 doğruluk ve %84 F1-skor elde ederken, Bulanık Mantık–TF-IDF/Lojistik Regresyon–BERT üçlü hibrit modeli %85 doğruluk ve %86 F1-skor ile tüm çalışmalar içerisindeki en yüksek performansı sağlamıştır. Sonuç olarak, Türkçe film yorumlarında duygu sınıflandırma başarısının kullanılan model mimarisi ve karar mekanizmasına bağlı olarak değiştiği görülmüştür. Özellikle hibrit yapıların, tekil modellere kıyasla daha yüksek başarı ve daha dengeli sonuçlar sunduğu belirlenmiştir. Çalışma, Türkçe duygu analizi literatürüne karşılaştırmalı çalışma sonuçlarını sunmasının yanı sıra, bulanık mantık tabanlı hibrit yöntemlerin duygu analizi problemlerindeki etkinliğini ortaya koyarak akademik çalışmalara ve karar destek sistemlerine katkı sağlamayı amaçlamaktadır. | |
| dc.description.abstract | This thesis aims to automatically classify Turkish movie reviews using natural language processing (NLP) and sentiment analysis methods. The rapid increase in text data generated by users on digital platforms today has made extracting meaningful information from this data a critical task. In particular, sentiment analysis studies in languages with limited NLP resources, such as Turkish, represent a significant area of research for both academic and applied studies. In this context, the study comparatively examines the performance of various machine learning, deep learning, and fuzzy logic-based methods on Turkish movie reviews. The dataset used in the study was obtained from the "Turkish Movie Sentiment Analysis Dataset" available on the Kaggle platform. The dataset, consisting of a total of 80,000 reviews, was converted into a 40,000-review subset using the split method to reduce processing costs and conduct experimental analyses more efficiently. The reviews were labeled as positive or negative, and then the necessary preprocessing steps were applied to the text data. In the first study, sentiment classification was performed using Naive Bayes, Logistic Regression, Support Vector Machines (SVM), a BERT-based deep learning model, and a Fuzzy Logic approach. In the second study, a fuzzy logic model was developed using a fuzzy inference mechanism based on the Mamdani Max–Min classification method. In the third study, a hybrid model combining BERT and Fuzzy Logic methods was proposed, along with a triple hybrid structure integrating BERT, Fuzzy Logic, and TF-IDF/Logistic Regression methods. The performance of all models was evaluated using accuracy, precision, recall, and F1-score metrics. According to the results, in the first study, the BERT model was the most successful standalone model with 81% accuracy and an F1-score of 82%. The Naive Bayes model achieved 72% accuracy and a 70% F1-score, the Logistic Regression model achieved 76% accuracy and a 75% F1-score, and the Support Vector Machines model achieved 75% accuracy and a 74% F1-score. The fuzzy logic-based model developed in the second study achieved 68% accuracy and a 66% F1-score. In the third study, the proposed Fuzzy Logic–BERT hybrid model achieved 83% accuracy and an 84% F1-score, while the Fuzzy Logic–TF-IDF/Logistic Regression–BERT triple hybrid model delivered 85% accuracy and an 86% F1-score, providing the highest performance among all studies. In conclusion, it was observed that the success of sentiment classification in Turkish movie reviews varied depending on the model architecture and decision mechanism used. In particular, it was determined that hybrid architectures offered higher success rates and more balanced results compared to single models. In addition to providing comparative experimental results for the Turkish sentiment analysis literature, this study aims to contribute to academic research and decision support systems by demonstrating the effectiveness of fuzzy logic-based hybrid methods in sentiment analysis problems. | |
| dc.identifier.citation | Dündar, B. (2026). Türkçe film yorumlarında duygu analizi için bağlamsal, kurallı ve istatistiksel yöntemlerin hibrit model yaklaşımı ile karşılaştırma analizi. (Yayınlanmamış Yüksek Lisans Tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı, Konya. | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12452/20244 | |
| dc.identifier.yoktezid | 1016063 | |
| dc.language.iso | tr | |
| dc.publisher | Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Doğal Dil İşleme | |
| dc.subject | Türkçe Duygu Analizi | |
| dc.subject | Makine Öğrenmesi | |
| dc.subject | Film Yorumları | |
| dc.subject | Natural Language Processing | |
| dc.subject | Turkish Sentiment Analysis | |
| dc.subject | Machine Learning | |
| dc.subject | Movie Reviews | |
| dc.title | Türkçe film yorumlarında duygu analizi için bağlamsal, kurallı ve istatistiksel yöntemlerin hibrit model yaklaşımı ile karşılaştırma analizi | |
| dc.title.alternative | Comparative analysis of contextual, rule-based, and statistical methods in sentiment analysis of Turkish film reviews using a hybrid model approach | |
| dc.type | Master Thesis |
