NLP ile Bir Duygu Analizi Sistemi Oluşturmak

Duygu analizi, NLP'nin en pratik uygulamalarından biridir. Bu rehberde, transformer modellerini kullanarak %89 doğruluk elde eden bir duygu analizi sistemini nasıl kurduğumu paylaşacağım.

Duygu Analizini Anlamak

Duygu analizi, metni pozitif, negatif veya nötr olarak sınıflandırır. Modern yaklaşımlar, nüanslı bir anlayış için BERT ve RoBERTa gibi transformer modellerini kullanır.

Mimari

Model Seçimi

Birkaç modelle denemeler yaptım:

• BERT-base: İyi bir başlangıç noktası, %86 doğruluk
• RoBERTa-large: En iyi doğruluk, %89
• DistilBERT: Hızlı çıkarım, %84 doğruluk

İnce Ayar Stratejisi

Önceden eğitilmiş modellerin alana özgü veriler üzerinde ince ayar yapılması gerekir. Temel hususlar:

1. Öğrenme oranı: 2e-5 (ön eğitimden daha düşük)
2. Dönemler (Epochs): 3-5 (aşırı uydurmayı önlemek için)
3. Isınma adımları (Warmup steps): Toplam adımların %10'u

Veri Hazırlığı

Veri Seti

Birden fazla kaynak birleştirildi:

• Ürün yorumları
• Sosyal medya gönderileri
• Film yorumları

Ön İşleme

1. Metni temizle (HTML, özel karakterleri kaldır)
2. Emojileri ele al (metin açıklamalarına dönüştür)
3. Sınıfları dengele
4. Eğitim/doğrulama/test ayrımı

Uygulama

Eğitim Döngüsü

Standart PyTorch eğitimi ile:

• Çapraz entropi kaybı
• AdamW iyileştirici
• Doğrusal öğrenme oranı düşüşü

Değerlendirme Metrikleri

• Doğruluk: %89
• F1-skoru: 0.87
• Kesinlik: 0.88
• Geri Çağırma: 0.86

Gelişmiş Özellikler

Yön Tabanlı Duygu Analizi

Metinde bahsedilen belirli varlıklara yönelik duyguyu çıkar.

Alay Tespiti

Yanlış sınıflandırmayı önlemek için alaycı içerik için ek sınıflandırıcı.

Çok Dilli Destek

Çapraz dilli duygu analizi için mBERT kullanma.

Dağıtım

API Tasarımı

FastAPI uç noktası ile:

• Toplu işleme desteği
• Güven skorları
• Sık sorgular için önbellekleme

Performans

• Gecikme: İstek başına <100ms
• Verim: Saniyede 100 istek

Öğrenilen Dersler

1. Veri kalitesi, model karmaşıklığından daha önemlidir
2. Alana özgü ince ayar çok önemlidir
3. Köşe durumlarını ele al (emojiler, alay)
4. Üretimde model kaymasını izle

Sonuç

Duygu analizi sistemleri oluşturmak, modern NLP araçlarıyla erişilebilirdir. En iyi sonuçlar için önceden eğitilmiş modellerle başlayın ve veri kalitesine odaklanın.