Özet-Bilgisayar kullanımının yaygınlaştığı günümüzde, insan-bilgisayar etkileşimi ile ilgili yenilikçi çalışmalar hız kazanmıştır. Bu yeniliklerden bir tanesi de bilgisayar kullanıcısı bireylerin duygusal durumlarının, makine ile öğrenilmesidir. Ofis ortamlarında bilgisayarla çalışan bireylerin duygu durumlarının tespit edilebilmesi, özellikle bu kişilerin moral durumu ile iş performansı ilişkisi hakkında anlamlı bilgiler sunabilir. Bu fikirden hareketle, bilgisayar kullanıcısının yüz ifadelerine dayalı anlık duygu tespiti gerçekleştiren prototip bir sistem geliştirilmiştir. Geliştirilen bu sistem sırasıyla; yüz tespiti, yüz işaretçilerinin tespiti, yüz işaretçilerine dayalı özniteliklerden oluşan eğitim veri setinin oluşturulması ve kural-tabanlı sınıflandırıcı ile anlık duygusal durum tespitini gerçekleştirmektedir. Çalışmanın özgünlüğünü ifade eden özniteliklerin ayırt edici karakteristiğini anlamak amacıyla mevcut eğitim veri seti destek vektör makineleri ile durağan bir şekilde sınıflandırılmıştır. Sonuç olarak, sistemin başarımı 10-katlı çapraz doğrulama ile %96,1 olarak tespit edilmiştir.
Anahtar Kelimeler-İnsan-bilgisayar etkileşimi, duygusal ifade tespiti, veri madenciliği The Detection of Emotional Expression towards Computer UsersAbstract-In these days, with the widespread use of computers, innovative studies in human-computer interaction have accelerated. One of these innovations is to learn one"s emotional states with the help of a machine. Ascertaining the emotional states of a person working in the office environment can present meaningful information about the correlation between his/her morale and work performance. Based on this idea, an emotion detection system has been developed as a prototype. This system initially performs face and facial landmark detections. Training data set is prepared using these landmarks and then rule-based classifier detects instant emotional states. The training data set has been classified statically with support vector machines to understand the distinctive characteristics of the attributes that express the originality of this study. As a result, the success of the system was detected 96.1% with 10-fold crossvalidation.