Müşteri Yorumlarında Duygu Analizi Yapma
Duygu analizi, metin verilerindeki olumlu, olumsuz ve nötr ifadeleri otomatik olarak tespit eden bir yapay zeka tekniğidir. Müşteri yorumları, sosyal medya gönderileri, anket yanıtları veya ürün değerlendirmeleri üzerinde bu analizi uygulamak; geri bildirimleri manuel olarak okuma ihtiyacını ortadan kaldırır.
Hugging Face platformu, bu iş için önceden eğitilmiş onlarca hazır model sunar. Kullanıcılar herhangi bir teknik altyapı kurmadan bu modellere erişebilir. Özellikle sentiment-analysis pipeline kullanımı, tek satır kodla büyük metin yığınlarını saniyeler içinde sınıflandırabilir.
- E-ticaret işletmeleri ürün yorumlarını otomatik kategorize edebilir.
- İnsan kaynakları ekipleri çalışan anket verilerini hızla özetleyebilir.
- Pazarlama ekipleri kampanya sonrası sosyal medya tepkilerini ölçebilir.
- Araştırmacılar büyük veri setlerini elle okumak yerine analiz edebilir.
Prompt, Hugging Face'in inference API yapısına ve pipeline parametrelerine göre optimize edilmiştir. Model önerisi, veri hazırlama adımları ve çıktı yorumlama kılavuzu içermektedir. Teknik bilgi gerektirmez; adımlar sırayla takip edilerek sonuç alınır.
{ }Değişken Açıklamaları:
- [METİN_VERİSİ]: Analiz edilecek ham metin verisi. Örneğin; Bu telefonun bataryası çok kısa sürüyor, memnun değilim., Harika bir kahve makinesi, her sabah keyifle kullanıyorum., Ürün beklediğim gibi çıktı, teşekkürler.
- [DİL]: Metnin ana dili. Örneğin; Türkçe, İngilizce, Fransızca
- [VERİ_TÜRÜ]: Verinin kategorisi veya kaynağı. Örneğin; müşteri yorumu, sosyal medya gönderisi, ürün değerlendirmesi
- [EŞIK_DEĞERİ]: Güven skoru için belirlenen minimum eşik değeri. Örneğin; 0.5, 0.7, 0.8
Değişkenleri Düzenle
ADIM 1 – VERİYİ HAZIRLA
Aşağıdaki metni analiz et:
[METİN_VERİSİ]
Metnin dili: [DİL] (Türkçe / İngilizce / vb.)
Veri türü: [VERİ_TÜRÜ] (müşteri yorumu / sosyal medya gönderisi / anket yanıtı / ürün değerlendirmesi)
ADIM 2 – UYGUN MODEL ÖNER
Hugging Face model hub'ından bu dil ve veri türüne en uygun 2-3 modeli öner.
Her model için şunları belirt:
- Model adı ve Hugging Face bağlantısı
- Hangi dilde eğitildiği
- Kaç sınıf çıktı verdiği (2 sınıf: pozitif/negatif | 3 sınıf: pozitif/negatif/nötr)
- Modelin güçlü ve zayıf yönleri
ADIM 3 – PIPELINE KODUNU YAZ
En uygun modeli kullanarak aşağıdaki Python kodunu yaz:
- transformers kütüphanesinden pipeline kullanımı
- Modeli yükleme
- Metni analiz etme
- Sonucu yazdırma
Kodu açıklamalı yaz; her satırın ne yaptığını Türkçe yorum olarak ekle.
ADIM 4 – SONUCU YORUMLA
Analiz tamamlandıktan sonra şu bilgileri ver:
- Tespit edilen duygu etiketi (POSITIVE / NEGATIVE / NEUTRAL)
- Güven skoru (confidence score) ne anlama geliyor?
- Skor [EŞIK_DEĞERİ] altındaysa ne yapılmalı?
- Çıktı belirsizse alternatif yaklaşım nedir?
ADIM 5 – TOPLU ANALİZ İÇİN GENIŞLET
Eğer birden fazla metin analiz edilecekse:
- Liste formatında toplu giriş nasıl yapılır?
- Sonuçları pandas DataFrame ile nasıl düzenleyebilirim?
- Hangi sütunlar ve görselleştirme önerilirsin?
ÖNEMLİ NOTLAR:
- Kod çalıştırılabilir ve hatasız olsun.
- Gereksiz kütüphane import etme.
- Ücretsiz ve açık kaynak modelleri tercih et.
- Hugging Face Inference API token gerektiren adımları ayrıca belirt.
Sen bir Hugging Face uzmanısın. Aşağıdaki metin verisini kullanarak duygu analizi yapacaksın. Adımları sırasıyla uygula:
ADIM 1 – VERİYİ HAZIRLA
Aşağıdaki metni analiz et:
[METİN_VERİSİ]
Metnin dili: [DİL] (Türkçe / İngilizce / vb.)
Veri türü: [VERİ_TÜRÜ] (müşteri yorumu / sosyal medya gönderisi / anket yanıtı / ürün değerlendirmesi)
ADIM 2 – UYGUN MODEL ÖNER
Hugging Face model hub'ından bu dil ve veri türüne en uygun 2-3 modeli öner.
Her model için şunları belirt:
- Model adı ve Hugging Face bağlantısı
- Hangi dilde eğitildiği
- Kaç sınıf çıktı verdiği (2 sınıf: pozitif/negatif | 3 sınıf: pozitif/negatif/nötr)
- Modelin güçlü ve zayıf yönleri
ADIM 3 – PIPELINE KODUNU YAZ
En uygun modeli kullanarak aşağıdaki Python kodunu yaz:
- transformers kütüphanesinden pipeline kullanımı
- Modeli yükleme
- Metni analiz etme
- Sonucu yazdırma
Kodu açıklamalı yaz; her satırın ne yaptığını Türkçe yorum olarak ekle.
ADIM 4 – SONUCU YORUMLA
Analiz tamamlandıktan sonra şu bilgileri ver:
- Tespit edilen duygu etiketi (POSITIVE / NEGATIVE / NEUTRAL)
- Güven skoru (confidence score) ne anlama geliyor?
- Skor [EŞIK_DEĞERİ] altındaysa ne yapılmalı?
- Çıktı belirsizse alternatif yaklaşım nedir?
ADIM 5 – TOPLU ANALİZ İÇİN GENIŞLET
Eğer birden fazla metin analiz edilecekse:
- Liste formatında toplu giriş nasıl yapılır?
- Sonuçları pandas DataFrame ile nasıl düzenleyebilirim?
- Hangi sütunlar ve görselleştirme önerilirsin?
ÖNEMLİ NOTLAR:
- Kod çalıştırılabilir ve hatasız olsun.
- Gereksiz kütüphane import etme.
- Ücretsiz ve açık kaynak modelleri tercih et.
- Hugging Face Inference API token gerektiren adımları ayrıca belirt.
Bu Prompt Seni Bekliyor
Hugging Face için hazırlanmış bu promptu anında kopyala, kullan.
Ücretsiz üye ol, binlerce prompta eriş.
10 saniyede üye ol, sınırsız prompt keşfet
Nile
Bu prompt kullanmadan önce düzenlemeniz gereken 4 değişken içerir.
Keşfet
Alternatif Araçlar
Biliyor muydunuz?
İstediğin çıktıyı en başta net formatla belirt: 'Tablo olarak ver', 'JSON formatında döndür', 'Madde madde listele, her madde 1 cümle olsun'
En Popüler
İlgili Etiketler
Benzer promptlar
Topluluk Görüşleri
Bu içerik hakkında üyeler neler düşünüyor?
Topluluğa Katılın
Promptlarını paylaşmak, favorilerini kaydetmek ve içerik üreticileriyle etkileşime geçmek için hemen ücretsiz üye ol.