Makine öğrenmesi yöntemleriyle gerçek olmayan tüketici yorumlarının tespiti
Detecting deceptive customer reviews using machine learning methods
- Tez No: 372539
- Danışmanlar: DOÇ. DR. ÇAĞATAY ÇATAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Çevrimiçi hizmetlerin gelişmesi ve e-ticaretin yaygınlaşması sonucu, firmalar arası rekabet giderek artmıştır. Bu bağlamda ürün yorumları, satın alıcıların kararlarını şekillendiren önemli bir faktör olarak ortaya çıkmıştır. Bu etkinin sonucu olarak ürün yorumları, ürün ve hizmetler hakkında aldatıcı yorumların yapılabileceği bir pazarlama alanı oluşturmuştur. Bu tezde, olumsuz aldatıcı tüketici yorumlarını tespit edebilmek üzere, çoklu sınıflayıcılı sistemler kullanılarak bir model önerilmiş ve önerilen modelin otel yorumları ile ilgili olarak hazırlanmış olan veri kümesinde geçerlenmesi sağlanmıştır. Önerilen model, üzerinde çalışılan problem için literatürdeki en iyi modelden daha yüksek performans sunmuştur. Bu modelde beş sınıflayıcı çoğunluk oylaması birleşim kuralına göre kullanılmıştır. Bu sınıflayıcılar libLinear, libSVM, ardışık minimal optimizasyon (SMO), Random Forest ve J48'dir. LibSVM ve libLinear, Destek Vektör Makinelerinin (DVM) iki farklı gerçeklemesi olarak bilinmektedir.
Özet (Çeviri)
The competition among companies has been considerably increased in the recent years due to the significant developments in online shopping of services and the widespread usage of e-commerce. The product reviews became a primary factor shaping the buyers' decisions. Due to this factor, product reviews created a marketing area for fake reviews about products and services. In this thesis, a model which uses a multiple classifier system has been proposed to identify the negative deceptive customer reviews and the validation has been performed on a dataset which consists of hotel reviews. The proposed model has a better performance than the best model reported in literature for this problem. In this model, five classifiers have been applied by using majority voting combination rule. These classifiers are libLinear, libSVM, Sequential Minimal Optimization (SMO), Random Forest and J48. LibSVM and libLinear are two different implementations of support vector machines.
Benzer Tezler
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Developing a decision-support system using machine learning and deep learning models for daily demand forecasting: A case study
Günlük talep tahmini için makine öğrenimi ve derin öğrenme modelleri kullanarak karar destek sistemi geliştirme: Bir vaka çalişmasi
RANA EZGİ KÖSE
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- A comparative analysis of LSTM and lıghtgbm models in short-term electricity load forecasting: a case study from türkiye
Kısa dönemli yük tahmininde LSTM ve lightgbm modellerinin karşılaştırmalı analizi: Türkiye'den bir vaka çalışması
MUHAMMET FURKAN BAYSAL
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Modeling of the marine diesel engines with comparative machine learning methodologies
Gemi dizel motorların karşılaştırmalı makine öğrenmesi yöntemleri ile modellenmesi
MEHMET İLTER ÖZMEN
Doktora
İngilizce
2024
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AZMİ ÖZSOYSAL
- Contributions to the determination of optimized driving strategies for electric vehicles using artificial intelligence based methods
Elektrikli araçlar için yapay zeka tabanlı yöntemlerle en uygunlaştırılmış sürüş stratejilerinin belirlenmesine katkılar
UFUK BOLAT
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA AHMET KOCABAŞ
DOÇ. DR. GÜLCİHAN ÖZDEMİR