Ana içeriğe atla

Kurs

Python ile Duygu Analizi

Orta SeviyeBeceri Seviyesi

Güncel 02.2024

Müşteriler ürünlerinizden memnun mu, yoksa hizmetiniz yetersiz mi? Uçtan uca duygu analizi görevini nasıl gerçekleştireceğinizi öğrenin.

Kursa Ücretsiz Başlayın

PythonMachine Learning

4 sa

16 video

60 Egzersiz

5,050 XP

23,644

Başarı Belgesi

Binlerce şirketten öğrencinin sevgisini kazandı

Bir Ekibi Eğitiyor musunuz?

İşletmeler için deneyin

Kurs Açıklaması

Bir ürün veya hizmet hakkında ne hissettiğini anlatmak için hiç yorum bıraktın mı? Ya da satın almadan önce çevrimiçi yorumlara göz atma alışkanlığın var mı? Bu tür bilgiler yalnızca senin için değil, şirketler için de çok değerli. Bu derste, farklı metinlerde dile getirilen duyguları nasıl anlamlandıracağını öğreneceksin. Tweet’ler, film ve ürün yorumlarından oluşan gerçek veri kümeleriyle çalışacak, Python’un nltk ve scikit-learn paketlerini kullanacaksın. Dersin sonunda, ABD’deki havayolu yolcularının Twitter’da paylaştıkları duygulara dayanarak uçtan uca bir duygu analizi görevi yürütebileceksin.

Önkoşullar

1

Duygu Analizinin Temelleri

Satın almadan önce bir ürün ya da hizmetin yorumlarına veya puanlarına hiç baktın mı? O halde büyük olasılıkla duygu analiziyle karşılaştın demektir. Bu bölümde, bir duygu analizi probleminin temel yapısını öğrenecek ve film yorumlarının duygularını keşfetmeye başlayacaksın.

Hoş geldin!

Bir duygu analizi probleminin öğeleri

Kaç tane pozitif ve negatif yorum var?

En uzun ve en kısa incelemeler

Duygu analizi türleri ve yaklaşımlar

İki Şehrin Hikâyesi'nin duygusunu tespit etme

İki dizgenin duyarlılığını karşılaştırma

Bir film incelemesinin duyarlılığı nedir?

Haydi bir kelime bulutu oluşturalım!

İlk kelime bulutun

Kelime bulutunda hangi kelimeler var?

Film yorumlarında Word Cloud

Bölümü Başlat

2

Yorumlardan Sayısal Özellikler

Kendini çeşitli ürünler sunan bir şirketin yerinde hayal et. Hangi ürünlerinin en çok sattığını ve en önemlisi — nedenini — bilmek istiyorsun. Amazon ürün yorumlarından oluşan bir veri kümesiyle ürün yorumlarını anlamanın ilk adımına başlıyoruz. Bu amaçla, metni sayısal bir biçime dönüştürüyor ve süreçteki bazı karmaşıklıkları ele alıyoruz.

Bag-of-words

BOW ile ilgili hangi ifade doğrudur?

İlk BOW’un

Ürün yorumlarıyla BOW

n-gram’lerle daha ayrıntıya inmek

BOW ile token dizi uzunluğunu belirt

Film incelemelerinin kelime haznesinin boyutu

n-gram'lar ve sözlük boyutuyla BOW

Metinden yeni öznitelikler oluştur

GoT içinden bir string’i tokenlaştır

Avengers'tan kelime token'ları

Bir incelemenin uzunluğu için bir özellik

Dili tahmin edebilir misin?

Bir dizgenin dilini belirle

Bir dizi metnin dilini tespit et

Ürün yorumlarında dil tespiti

Bölümü Başlat

3

Sayısal Vektörlerde Derinleşme: Tweet’leri Dönüştürmek

Bu bölüm ürün yorumlarını anlama sürecine devam ediyor. Özellikle Twitter gibi sosyal medya platformlarından gelen duygu analizi verileriyle çalışırken ortaya çıkan ek karmaşıklıkları ele alacağız. Ayrıca, metinden sayısal özellikler elde etmenin başka yollarını da öğreneceğiz.

Duraklama sözcükleri

Tweet'lerin kelime bulutu

Durak sözcüklerle havayolu duyarlılığı

Birden fazla metin sütunu

Bir belirteç desenini yakalama

Token desenini belirt

Twitter verisiyle string işleçleri

Daha fazla string işleci ve Twitter

Kök bulma ve kök biçim (lemmatization)

GoT'den gövdeler ve lemmalar

İspanyolca yorumlarda kök bulma (stemming)

Tweetlerden kökler

TfIdf: Metni dönüştürmenin başka yolları

İlk TfIdf'ını oluştur

Twitter havayolu duygu verisi üzerinde TfIdf

Aynı veride Tfidf ve BOW

Bölümü Başlat

4

Haydi Duyguyu Tahmin Edelim

Bir yorumda kullanılan kelimelere bakarak o yorumun duygusunu tahmin etmek için Machine Learning kullanıyoruz. Lojistik regresyon uyguluyor ve performansını birkaç farklı yöntemle değerlendiriyoruz. Bunlar sağlam ilk modeller!

Duyguyu tahmin edelim!

Film yorumlarında logistic regression

Twitter verileriyle Logistic regression

Duyguyu gerçekten iyi tahmin ettik mi?

Bir model kur ve değerlendir: film yorumları

Twitter verisinin performans metrikleri

Model kur ve değerlendir: ürün yorumları verisi

Lojistik regresyona yeniden bakış

Film yorumlarının olasılıklarını tahmin et

Düzenlileştirmeli ürün incelemeleri

Twitter verisiyle modelleri düzenlileştirme

Hepsini bir araya getirmek

Adım 1: Kelime bulutu ve özellik oluşturma

Adım 2: Bir vektörleştirici oluşturma

Adım 3: Bir sınıflandırıcı oluşturma

Bölümü Başlat

Python ile Duygu Analizi

Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşınŞimdi kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve Python ile Duygu Analizi eğitimine başlayın!

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.