Derin öğrenme algoritmaları kullanarak Bitcoin'de duygu analizine dayalı yön tahmini
Küçük Resim Yok
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Malatya Turgut Özal Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Duygular hayatımızın çok önemli ve temel bir yönünü oluşturur. Yaptıklarımız ve söylediklerimiz, doğrudan olmasa da bir şekilde bazı duygularımızı yansıtır. Bir insanın temel davranışlarını anlamak için, duygulanım verileri olarak da adlandırılan bazı duygusal veriler aracılığıyla analiz edilmesi gerekir. Bu veriler metin, ses, yüz ifadeleri vb. olabilir. Sosyal ağ sitelerinin ortaya çıkmasıyla birlikte, birçok insan bu çeşitli sitelerde bulunan içerikleri analiz etmeye yönelmiştir. Twitter bu sosyal ağ sitelerinin başında gelmektedir. İnsanların bir konu hakkındaki duygu ve düşünceleri üzerinden olumlu, olumsuz veya nötr duygu değerleri ortaya çıkarılmaktadır. Twitter'da duygu analizi yapmak çok önemli ve zorlu bir görevdir. Bu tez kapsamında, derin öğrenme mimarilerinin gücünden ve makine öğrenmesi metotlarından faydalanarak Bitcoin ile ilgili duyguların araştırılması ve bitcoin değeri üzerindeki etkisine genel bir bakış sunulmaktadır. Tez kapsamında kullanılmak üzere Twitter'da 12 Aralık 2021 ve 13 Mart 2022 arasında paylaşılan İngilizce tweetler toplanmıştır. İnsanların Bitcoin ile ilgili duyguları, doğal dil işleme (Doğal Dil İşleme, DDİ) aracı olan TextBlob kullanılarak değerlendirilmiştir. Daha sonra, duygu sınıflandırması için tez kapsamında GloVe tabanlı BiLSTM modeli önerilmiştir. Önerilen modelin performansı temel makine öğrenmesi algoritmaları ve CNN, LSTM derin öğrenme mimarileri kullanılarak TF- IDF ve GloVe kelime gömme yaklaşımlarıyla ayrı ayrı test edilmiştir. Deneysel sonuçlar, önerilen modelin başarısını kanıtlamaktadır.
Emotions form a very important and fundamental aspect of our lives. What we do and say reflects some of our feelings in some way, though not directly. To understand the basic behavior of a person, it needs to be analyzed through some emotional data, also called affect data. This data can be text, voice, facial expressions, etc. it could be. With the advent of social networking sites, many people have turned to analyzing the content found on these various sites. Twitter is one of these social networking sites. Positive, negative or neutral emotional values are revealed through people's feelings and thoughts about a subject. Doing sentiment analysis on Twitter is a very important and challenging task. In this thesis, an overview of Bitcoin-related sentiment and its impact on bitcoin value is presented by utilizing the power of deep learning architectures and machine learning methods. English tweets shared on Twitter between 12 December 2021 and 13 March 2022 were collected to be used within the scope of the thesis. People's feelings about Bitcoin were evaluated using TextBlob, a natural language processing (Natural Language Processing, DDI) tool. Then, GloVe-based BiLSTM model is proposed for emotion classification within the scope of the thesis. The performance of the proposed model is tested separately with TF-IDF and GloVe word embedding approaches using basic machine learning algorithms and CNN, LSTM deep learning architectures. Experimental results prove the success of the proposed model.
Emotions form a very important and fundamental aspect of our lives. What we do and say reflects some of our feelings in some way, though not directly. To understand the basic behavior of a person, it needs to be analyzed through some emotional data, also called affect data. This data can be text, voice, facial expressions, etc. it could be. With the advent of social networking sites, many people have turned to analyzing the content found on these various sites. Twitter is one of these social networking sites. Positive, negative or neutral emotional values are revealed through people's feelings and thoughts about a subject. Doing sentiment analysis on Twitter is a very important and challenging task. In this thesis, an overview of Bitcoin-related sentiment and its impact on bitcoin value is presented by utilizing the power of deep learning architectures and machine learning methods. English tweets shared on Twitter between 12 December 2021 and 13 March 2022 were collected to be used within the scope of the thesis. People's feelings about Bitcoin were evaluated using TextBlob, a natural language processing (Natural Language Processing, DDI) tool. Then, GloVe-based BiLSTM model is proposed for emotion classification within the scope of the thesis. The performance of the proposed model is tested separately with TF-IDF and GloVe word embedding approaches using basic machine learning algorithms and CNN, LSTM deep learning architectures. Experimental results prove the success of the proposed model.
Açıklama
Lisansüstü Eğitim Enstitüsü, Enformatik Ana Bilim Dalı
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
