Müşteri Yorumlarında Duygu Analizi Yapma

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.

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.