Metin madenciliği teknikleri kullanılarak Türkçe müşteri yorumlarının sınıflandırılması
Küçük Resim Yok
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Beykent Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde teknolojinin hızlı gelişmesi ile insanların satın alma ve satma faaliyetlerini e-ticaret platformlarında yapmaya neden olmuştur. Bu durum, e-ticaret platformlarındaki ürünlere yazılan müşteri yorumlarının önemini artırmıştır. İnsanların ürün veya hizmet hakkında doğru bilgi edinmelerine yardımcı olmuştur. Satıcılar için de müşteri memnuniyetini ölçme ve iyileştirme imkânı sağlamıştır. Özellikle, şirketler yapılan olumsuz yorumları en hızlı şekilde tespit etmek ve bu sayede iş iyileştirme yapmak için çeşitli metin madenciliği tekniklerini kullanmaktadırlar. Bu tez çalışması, Türkçe dilindeki müşteri yorumlarının analiz edilmesi ve 32 farklı sınıfa ayrılması amacıyla metin madenciliği yöntemlerini kullanmayı hedeflemektedir. İki farklı makine öğrenimi modeli olan yapay sinir ağları (ANN) ve evrişimli sinir ağları (CNN) kullanılarak bu sınıflandırma gerçekleştirilmiştir. Her iki model de öncelikle eğitim veri setiyle eğitilmiş ve daha sonra test veri seti üzerinde değerlendirilmiştir. Elde edilen sonuçlara göre, ANN modeli için %92.34 doğruluk (Accuracy) ve %92.40 F1-skoru elde edilmiştir. CNN modeli ise %92.78 doğruluk ve %92.83 F1-skoru ile daha yüksek performans göstermiştir. Her iki model de oldukça yüksek başarı oranları elde etmiştir. CNN modelinin daha yüksek performans sergilemesi, özellikle metin verileri üzerinde evrişimli yapıların daha etkili olduğunu göstermiştir.
Today, the rapid development of technology has led people to carry out their buying and selling activities on e-commerce platforms. This has increased the importance of customer reviews written on products on e-commerce platforms. It has helped people to get accurate information about the product or service. It has also allowed sellers to measure and improve customer satisfaction. In particular, companies use various text mining techniques to identify negative reviews as quickly as possible and thus make business improvements. This thesis aims to use text mining methods to analyze customer reviews in the Turkish language and classify them into 32 different classes. Two other machine learning models, artificial neural networks (ANNs) and convolutional neural networks (CNNs), are used for this classification. Both models were first trained on the training dataset and then evaluated on the test dataset. According to the results, 92.34% Accuracy and 92.40% F1-score were obtained for the ANN model. The CNN model performed better with 92.78% accuracy and 92.83% F1-score. Both models achieved very high success rates. The higher performance of the CNN model shows that convolutional structures are more effective, especially on text data.
Today, the rapid development of technology has led people to carry out their buying and selling activities on e-commerce platforms. This has increased the importance of customer reviews written on products on e-commerce platforms. It has helped people to get accurate information about the product or service. It has also allowed sellers to measure and improve customer satisfaction. In particular, companies use various text mining techniques to identify negative reviews as quickly as possible and thus make business improvements. This thesis aims to use text mining methods to analyze customer reviews in the Turkish language and classify them into 32 different classes. Two other machine learning models, artificial neural networks (ANNs) and convolutional neural networks (CNNs), are used for this classification. Both models were first trained on the training dataset and then evaluated on the test dataset. According to the results, 92.34% Accuracy and 92.40% F1-score were obtained for the ANN model. The CNN model performed better with 92.78% accuracy and 92.83% F1-score. Both models achieved very high success rates. The higher performance of the CNN model shows that convolutional structures are more effective, especially on text data.
Açıklama
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control, Bilim ve Teknoloji
