Türkçe Konuşmada Duygu Tanima İçi̇n Maki̇ne Öğrenme Yöntemleri̇ Ve Deri̇n Öğrenme Tabanli Modelleri̇n Karşilaştirilmasi

Abstract

Son zamanlarda veri miktarına bağlı olarak sağlık, eğitim, pazarlama gibi birçok alanda analizlere ihtiyaç duyulmaktadır. Duygu analizi ise bu alanlarda kişilerin yorumlarını analiz etme, duygularını çıkarma için oldukça popüler bir alandır. Bu çalışmada kızgın, mutlu, sakin ve üzgün duygu etiketleri içeren Türkçe konuşma veri seti üzerinde, ses karakteristik özellikleri ve spektrogramlardan yararlanarak duyguların tespit edilmesi amaçlanmaktadır. Analiz aşamasında Librosa kütüphanesi ile çıkarılan sayısal özellikler ile makine öğrenme yöntemleri ve derin sinir ağları eğitilerek başarıları ölçülmüştür. Ayrıca düşük varyans filtreleme, geri yönlü özellik eleme, ki-kare ve temel bileşen analizi yöntemleri ile özellik azaltım işlemi uygulanarak elde edilen yeni özellikler ile makine öğrenme yöntemlerinin başarısındaki değişiklikler de araştırılmıştır. Görsel veri olan spektrogramlar ise EfficientNet, ResNet, MobileNet ve DenseNet derin öğrenme tabanlı modellerin eğitilmesi için kullanılmıştır. Modellerin eğitim aşamasında veri seti ile beraber modellere ince ayar işlemi uygulanmıştır. Deneysel çalışmaların sonucunda makine öğrenme yöntemlerinden Ekstrem Gradient Artırma %87.03 doğruluk değeri verirken, ResNet modeli ise %79.23 doğruluk değeri vermiştir.