Page 50 - E-Tez Bülteni Mart 2026, Sayı 5

K
E
L

S
Y
YÜKSEK LİSANS TEZİ İ
K
Ü
T

Z
E
S
S
İ
N
A
Yazılım Mühendisliği
Y a z ı l ı m M ü h e n d i s l i ğ i
i
b
A
n
a
D
a
l

l
i
m
Anabilim Dalı ı
G ö z T a k i p V e r i l e r i n i n A d l a n d ı r ı l m ı ş V a r l ı k T a n ı m a
Göz Takip Verilerinin Adlandırılmış Varlık Tanıma
Ü z e r i n d e k i E t k i s i n i n İ n c e l e n m e s i
Üzerindeki Etkisinin İncelenmesi
Y a k e e n H A M D I Q A D E R Q A D E R
Yakeen HAMDI QADER QADER
Tez Danışmanı: Dr. Öğr. Üyesi. Mustafa HAKAN BOZKURT
T e z D a n ı ş m a n ı : D r . Ö ğ r . Ü y e s i . M u s t a f a H A K A N B O Z K U R T
Tez Özeti
Duygu Analizi (DA) yazılı metinlerdeki duygusal içeriğin otomatik olarak belirlenmesini amaçlayan önemli bir araştırma konusudur. Ancak yalnızca
metin tabanlı yaklaşımlar okuyucunun dikkat düzeyi ve bilişsel süreçlerini yeterince yansıtamamaktadır. Bu noktada Göz Takip Verileri (GT)
bireylerin metinle olan etkileşimini gösteren odaklanma süresi tekrar okuma davranışı ve dikkat yoğunluğu gibi bilişsel göstergeler sunarak DA
süreçlerine ek bir bilgi kaynağı sağlamaktadır. Bu çalışmanın amacı GT verilerinin metinsel verilerle birleştirilmesinin Two-class ve Three-class DA
görevlerinde derin öğrenme modellerinin performansı üzerindeki etkisini incelemektir. Bu kapsamda yalnızca metin kullanan modeller ile metin ve
GT verilerini birlikte kullanan çok modlu yaklaşımlar karşılaştırılmıştır. Metin ve GT verilerinin entegrasyonu için Separate Network Fusion (SNF)
yöntemi ve Feature-wise Linear Modulation tabanlı FiLM Fusion yaklaşımı kullanılmıştır. Bu çalışmada FiLM yaklaşımı, GT verileri ile DA
modellerinde ilk kez uygulanmıştır ve bu sayede insan okuma davranışlarına daha uyumlu bir modelleme sağlanmıştır.Deneysel çalışmalar ZUCO
veri kümesi (ZNK) kullanılarak gerçekleştirilmiştir. KSA, TSA, UKSB, Çift Yönlü LSTM (ÇyUKSB), KSA-UKSB, ConvLSTM ve Attention mekanizması
içeren LSTM modelleri değerlendirilmiştir. Ayrıca Two-class ve Three-class DA senaryolarında BERT tabanlı Beta embedding yöntemi
kullanılmıştır.Elde edilen sonuçlar GT verilerinin modele dahil edilmesiyle Accuracy (Acc), Precision (Prec), Recall (Rec) ve F1-Score (F1) ölçütlerinde
anlamlı iyileşmeler sağlandığını göstermektedir. Özellikle FiLM Fusion yaklaşımı diğer birleşim yöntemlerine kıyasla daha yüksek ve daha kararlı bir
performans sunmuştur.Bu çalışma bilişsel verilerin DA süreçlerine entegrasyonunun önemini ortaya koymakta ve çok modlu araştırmalar için güçlü
bir temel oluşturmaktadır.
Anahtar kelimeler: Duygu Analizi (DA) ,Metin Verisi (MET),Göz Takip Verisi (GT),Separate Network Fusion(SNF), Feature-
wiseLinearModulation(FiLM), ZUCO Veri Kümesi (ZNK), Accuracy (Acc),Precision (Prec),Recall (Rec),F1-Score (F1)