Doğal dil işleme ve derin öğrenme teknikleri ile duygu analizi: Türkçe metinler üzerine bir çalışma
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Beykent Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
E-ticaret platformları, günümüzde tüketicilerin ürün tercihlerini belirlemede hızlı, kolay, temassız bir alışveriş deneyimi sunmasıyla pek çok insan tarafından tercih edilmektedir. Müşterilerin çevrimiçi alışverişleri esnasında satın alma işlemi öncesi inceledikleri ürün hakkında platformda yer alan olumlu ve olumsuz yorumlar, müşterilerin gerçekçi fikir edinmeleri ve işletmelerin ürün/hizmet kalitelerini arttırmak amacı ile bilgi edinmesi için kritik bir rol oynamaktadır. Bu yorumların işletmeler veya müşteriler için tek tek okunarak analiz edilmesi oldukça zor ve zaman alıcı bir süreçtir. Analiz sürecinin zorluğu, beraberinde insan hatası riski de getirebilmektedir. Bu sebeple işletme ve müşterilerin hızlı ve doğru analiz yapabilmesi için çeşitli derin öğrenme modelleri ile duygu analizi çalışmaları yapılmaktadır. Bu çalışmada, belirli ürün gruplarına yönelik e-ticaret sitelerinde yapılan yorumlar üzerinde derin öğrenme algoritmaları olan, Uzun kısa vadeli bellek modeli (LSTM), Evrişimsel sinir ağları algoritması (CNN), Geçitli tekrarlayan birim (GRU), Transformatörlerin çift yönlü kodlayıcı gösterimleri (BERT) algoritmasıyla oluşturulan tek algoritmalı ve hibrit modeller ile duygu analizi gerçekleştirilmiştir. Bu çalışmada e-ticaret platformlarında yapılan yorumların derin öğrenme algoritmaları ile analiz edilmesiyle elde edilen sonuçların, e-ticaret platformları üzerinde müşteri memnuniyetini arttırması ve buna bağlı olarak pazarlama stratejileri gibi alanlarda katkı sağlanması öngörülmektedir.
E-commerce platforms are widely preferred by many individuals today due to their ability to provide a fast, easy, and contactless shopping experience, aiding consumers in determining their product preferences. During online shopping experiences, the positive and negative reviews about products available on the platform play a crucial role in enabling customers to form realistic opinions and for businesses to enhance the quality of their products/services. However, conducting analysis of these reviews individually can be a complex and time-intensive process, potentially introducing human error risks. Therefore, various deep learning models are being explored for sentiment analysis to enable businesses and customers to conduct rapid and accurate analyses. This study focuses on sentiment analysis of reviews posted on e-commerce sites for specific product categories using deep learning algorithms such as Long Short-Term Memory (LSTM), Convolutional Neural Networks (CNN), Gated Recurrent Unit (GRU), and Bidirectional Encoder Representations from Transformers (BERT). Single algorithmic and hybrid models are developed to perform sentiment analysis. The results obtained from analyzing e-commerce platform reviews using deep learning algorithms are expected to enhance customer satisfaction on e-commerce platforms and contribute to areas such as marketing strategies.
E-commerce platforms are widely preferred by many individuals today due to their ability to provide a fast, easy, and contactless shopping experience, aiding consumers in determining their product preferences. During online shopping experiences, the positive and negative reviews about products available on the platform play a crucial role in enabling customers to form realistic opinions and for businesses to enhance the quality of their products/services. However, conducting analysis of these reviews individually can be a complex and time-intensive process, potentially introducing human error risks. Therefore, various deep learning models are being explored for sentiment analysis to enable businesses and customers to conduct rapid and accurate analyses. This study focuses on sentiment analysis of reviews posted on e-commerce sites for specific product categories using deep learning algorithms such as Long Short-Term Memory (LSTM), Convolutional Neural Networks (CNN), Gated Recurrent Unit (GRU), and Bidirectional Encoder Representations from Transformers (BERT). Single algorithmic and hybrid models are developed to perform sentiment analysis. The results obtained from analyzing e-commerce platform reviews using deep learning algorithms are expected to enhance customer satisfaction on e-commerce platforms and contribute to areas such as marketing strategies.
Açıklama
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
