Araştırma Makalesi
BibTex RIS Kaynak Göster

Google n-gram Veritabanı ile Cinsiyet Kırılımlı Üzüntü ve Mutluluk Üzerine Duygu Analizi

Yıl 2019, Cilt: 12 Sayı: 1, 39 - 46, 01.06.2019

İlknur Dönmez Elena Sönmez

Öz



“Bilgi çağı” ya da “dijital
çağ” olarak adlandırılan 21. yüzyılda hayatımızın her alanında kullandığımız
veri, elektronik olarak toplanabilmekte, işlenebilmekte, analiz edilip
kullanılabilmektedir. Digital veriler sosyal ağlardan, kullandığımız araçlardan
(Nesnelerin İnterneti), kamera sistemleri ve OCR sitemleri gibi günlük hayatta
kullandığımız bilgileri digital bilgiye çeviren pek çok araç tarafından elde
edilebilmektedir. Günümüzde çığ gibi büyüyen büyük verinin analiz edilmesi ve
veriyi bilgiye dönüştürecek faydalı kalıpların bulunması önemli bir konudur. Bu
çalışmada “Mutluluk” ve “Hüzün” gibi iki temel insan duygusu cinsiyet durumu da
dikkate alınarak, Google n-gram derleminden faydalanılarak analiz edilmiştir.
Bu derlem, 1500 ve 2008 yılları arasında yayınlanan milyonlarca kitap taranarak
elde edilmiştir. İnsanların milyonlarca kitapta kullandığı kelimelerden oluşan
bu derlem, insana özgü özellik ve davranışlar için bir gösterge olarak
düşünülebilir. Bu çalışma, insan duygularının, duygularına karşılık gelen
kelimelerin sıklığıyla tahmin edilebileceği hipotezine dayanmaktadır.
Makalemizde, gelecek yıllardaki “Mutluluk” ve “Hüzün” duygularının kullanım
sıklığını cinsiyet kırılımına göre tahmin etmek için regresyon analiz
yöntemleri kullanılmaktadır. Bu çalışma “Google n-gram Veritabanı ile Üzüntü ve
Mutluluk Üzerine Duygu Analizi”çalışmasının cinsiyet kırılımını içeren
genişletilmiş halidir.




Anahtar Kelimeler

Duygu çıkarımı cinsiyete göre üzüntü ve mutluluk analizi duygu tahmini Google n-grams duygu madenciliği

Kaynakça

  • [1]. Michel, J. B et all, (2011). The Google Books Team, 176-182.
  • [2]. Michel, J. B. et all, (2011). Quantitative analysis of culture using millions of digitized books. science, 331(6014), 176-182.
  • [3]. Smallwood, C., (2015). The complete guide to using Google in libraries: instruction, administration, and staff productivity (Vol. 1). Rowman & Littlefield.
  • [4]. Wang, H., Prendinger, H., & Igarashi, T. (2004, April). Communicating emotions in online chat using physiological sensors and animated text. In CHI'04 extended abstracts on Human factors in computing systems (pp. 1171-1174). ACM.
  • [5]. Hunter, P. G., Schellenberg, E. G., & Schimmack, U. (2010). Feelings and perceptions of happiness and sadness induced by music: Similarities, differences, and mixed emotions. Psychology of Aesthetics, Creativity, and the Arts, 4(1), 47.
  • [6]. Liu, Y., Sourina, O., & Nguyen, M. K. (2011). Real-time EEG-based emotion recognition and its applications. In Transactions on computational science XII (pp. 256-277). Springer, Berlin, Heidelberg.
  • [7]. Bond, A., & Lader, M. (1974). The use of analogue scales in rating subjective feelings. British Journal of Medical Psychology, 47(3), 211-218.
  • [8]. Zhe, X., & Boucouvalas, A. C. (2002, July). Text-to-emotion engine for real time internet communication. In Proceedings of International Symposium on Communication Systems, Networks and DSPs (pp. 164-168).
  • [9]. Hancock, J. T., Landrigan, C., & Silver, C. (2007, April). Expressing emotion in text-based communication. In Proceedings of the SIGCHI conference on Human factors in computing systems (pp. 929-932). ACM.
  • [10]. Kamvar, S. D., & Harris, J. (2011, February). We feel fine and searching the emotional web. In Proceedings of the fourth ACM international conference on Web search and data mining (pp. 117-126). ACM.
  • [11]. Kaur, A., & Gupta, V. (2013). A survey on sentiment analysis and opinion mining techniques. Journal of Emerging Technologies in Web Intelligence, 5(4), 367-371.
  • [12]. Klein, M., & Nelson, M. L. (2009, April). Correlation of term count and document frequency for Google n-grams. In European Conference on Information Retrieval (pp. 620-627). Springer, Berlin, Heidelberg.
  • [13]. Pauls, A., & Klein, D. (2011, June). Faster and smaller n-gram language models. In Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies-Volume 1 pp. 258-267.
  • [14]. Islam, A., Milios, E., & Keselj, V. (2012). Comparing Word Relatedness Measures Based on Google n grams. Proceedings of COLING 2012: Posters, 495-506.
  • [15]. Islam, A., Milios, E., & Kešelj, V. (2012, May). Text similarity using google tri-grams. In Canadian Conference on Artificial Intelligence (pp. 312-317). Springer, Berlin, Heidelberg.
  • [16]. Juola, P. (2013). Using the Google N-Gram corpus to measure cultural complexity. Literary and linguistic computing, 28(4), 668-675.
  • [17]. Joubarne, C., & Inkpen, D. (2011, May). Comparison of semantic similarity for different languages using the Google N-gram corpus and second-order co-occurrence measures. In Canadian Conference on Artificial Intelligence (pp. 216-221). Springer, Berlin, Heidelberg.
  • [18]. Davies, M. (2014). Making Google Books n-grams useful for a wide range of research on language change. International Journal of Corpus Linguistics, 19(3), 401-416.

Sadness and Happiness Analysis Acording to Gender Using Google n-gram Database

Yıl 2019, Cilt: 12 Sayı: 1, 39 - 46, 01.06.2019

İlknur Dönmez Elena Sönmez

Öz

Kaynakça

  • [1]. Michel, J. B et all, (2011). The Google Books Team, 176-182.
  • [2]. Michel, J. B. et all, (2011). Quantitative analysis of culture using millions of digitized books. science, 331(6014), 176-182.
  • [3]. Smallwood, C., (2015). The complete guide to using Google in libraries: instruction, administration, and staff productivity (Vol. 1). Rowman & Littlefield.
  • [4]. Wang, H., Prendinger, H., & Igarashi, T. (2004, April). Communicating emotions in online chat using physiological sensors and animated text. In CHI'04 extended abstracts on Human factors in computing systems (pp. 1171-1174). ACM.
  • [5]. Hunter, P. G., Schellenberg, E. G., & Schimmack, U. (2010). Feelings and perceptions of happiness and sadness induced by music: Similarities, differences, and mixed emotions. Psychology of Aesthetics, Creativity, and the Arts, 4(1), 47.
  • [6]. Liu, Y., Sourina, O., & Nguyen, M. K. (2011). Real-time EEG-based emotion recognition and its applications. In Transactions on computational science XII (pp. 256-277). Springer, Berlin, Heidelberg.
  • [7]. Bond, A., & Lader, M. (1974). The use of analogue scales in rating subjective feelings. British Journal of Medical Psychology, 47(3), 211-218.
  • [8]. Zhe, X., & Boucouvalas, A. C. (2002, July). Text-to-emotion engine for real time internet communication. In Proceedings of International Symposium on Communication Systems, Networks and DSPs (pp. 164-168).
  • [9]. Hancock, J. T., Landrigan, C., & Silver, C. (2007, April). Expressing emotion in text-based communication. In Proceedings of the SIGCHI conference on Human factors in computing systems (pp. 929-932). ACM.
  • [10]. Kamvar, S. D., & Harris, J. (2011, February). We feel fine and searching the emotional web. In Proceedings of the fourth ACM international conference on Web search and data mining (pp. 117-126). ACM.
  • [11]. Kaur, A., & Gupta, V. (2013). A survey on sentiment analysis and opinion mining techniques. Journal of Emerging Technologies in Web Intelligence, 5(4), 367-371.
  • [12]. Klein, M., & Nelson, M. L. (2009, April). Correlation of term count and document frequency for Google n-grams. In European Conference on Information Retrieval (pp. 620-627). Springer, Berlin, Heidelberg.
  • [13]. Pauls, A., & Klein, D. (2011, June). Faster and smaller n-gram language models. In Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies-Volume 1 pp. 258-267.
  • [14]. Islam, A., Milios, E., & Keselj, V. (2012). Comparing Word Relatedness Measures Based on Google n grams. Proceedings of COLING 2012: Posters, 495-506.
  • [15]. Islam, A., Milios, E., & Kešelj, V. (2012, May). Text similarity using google tri-grams. In Canadian Conference on Artificial Intelligence (pp. 312-317). Springer, Berlin, Heidelberg.
  • [16]. Juola, P. (2013). Using the Google N-Gram corpus to measure cultural complexity. Literary and linguistic computing, 28(4), 668-675.
  • [17]. Joubarne, C., & Inkpen, D. (2011, May). Comparison of semantic similarity for different languages using the Google N-gram corpus and second-order co-occurrence measures. In Canadian Conference on Artificial Intelligence (pp. 216-221). Springer, Berlin, Heidelberg.
  • [18]. Davies, M. (2014). Making Google Books n-grams useful for a wide range of research on language change. International Journal of Corpus Linguistics, 19(3), 401-416.
Toplam 18 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler(Araştırma)
Yazarlar

İlknur Dönmez

Elena Sönmez Bu kişi benim

Yayımlanma Tarihi 1 Haziran 2019
Yayımlandığı Sayı Yıl 2019 Cilt: 12 Sayı: 1

Kaynak Göster

APA Dönmez, İ., & Sönmez, E. (2019). Google n-gram Veritabanı ile Cinsiyet Kırılımlı Üzüntü ve Mutluluk Üzerine Duygu Analizi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, 12(1), 39-46.
AMA Dönmez İ, Sönmez E. Google n-gram Veritabanı ile Cinsiyet Kırılımlı Üzüntü ve Mutluluk Üzerine Duygu Analizi. TBV-BBMD. Haziran 2019;12(1):39-46.
Chicago Dönmez, İlknur, ve Elena Sönmez. “Google N-Gram Veritabanı Ile Cinsiyet Kırılımlı Üzüntü Ve Mutluluk Üzerine Duygu Analizi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi 12, sy. 1 (Haziran 2019): 39-46.
EndNote Dönmez İ, Sönmez E (01 Haziran 2019) Google n-gram Veritabanı ile Cinsiyet Kırılımlı Üzüntü ve Mutluluk Üzerine Duygu Analizi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 12 1 39–46.
IEEE İ. Dönmez ve E. Sönmez, “Google n-gram Veritabanı ile Cinsiyet Kırılımlı Üzüntü ve Mutluluk Üzerine Duygu Analizi”, TBV-BBMD, c. 12, sy. 1, ss. 39–46, 2019.
ISNAD Dönmez, İlknur - Sönmez, Elena. “Google N-Gram Veritabanı Ile Cinsiyet Kırılımlı Üzüntü Ve Mutluluk Üzerine Duygu Analizi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 12/1 (Haziran 2019), 39-46.
JAMA Dönmez İ, Sönmez E. Google n-gram Veritabanı ile Cinsiyet Kırılımlı Üzüntü ve Mutluluk Üzerine Duygu Analizi. TBV-BBMD. 2019;12:39–46.
MLA Dönmez, İlknur ve Elena Sönmez. “Google N-Gram Veritabanı Ile Cinsiyet Kırılımlı Üzüntü Ve Mutluluk Üzerine Duygu Analizi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, c. 12, sy. 1, 2019, ss. 39-46.
Vancouver Dönmez İ, Sönmez E. Google n-gram Veritabanı ile Cinsiyet Kırılımlı Üzüntü ve Mutluluk Üzerine Duygu Analizi. TBV-BBMD. 2019;12(1):39-46.
 Kapak Resmi İndir

https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü

 

Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız.

Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır:

1.       Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir.

2.       Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır.

3.       Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır.

4.       Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir.

5.       İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir.

6.       Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.

 88x31.png   Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.