Geri Dön

Amazon müşteri yorumlarının duygu analizi yöntemleriyle değerlendirilmesi

Evaluating Amazon customer reviews through sentiment analysis techniques

PDF İndir

  1. Tez No: 878799
  2. Yazar: SABUHI YUSIFOV
  3. Danışmanlar: PROF. DR. ALİ SEBETCİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 48

Özet

Bu tez çalışması, Amazon müşteri yorumlarının duygu analizi üzerine odaklanmıştır. Duygu analizi, doğal dil işleme ve metin madenciliği tekniklerini kullanarak metin verilerinden duygusal eğilimleri, yani müşterilerin ürün hakkında olumlu mu olumsuz mu düşündüklerini belirleme sürecidir. Doğal dil işleme, büyük veri kümelerinden anlamlı veri çıkarmanın en önemli yöntemlerinden biridir. Tezde Amazon e-ticaret platformunun müşteri yorumlarının duygu analizinde Lojistik Regresyon, Destek Vektör Makineleri, Çok Terimli Naif Bayes ve Stokastik Gradyan İnişi gibi klasik ve Çok Katmanlı Algılayıcı gibi yarı klasik yöntemlerin yanı sıra Ekstra Rastgele Ağaçlar ve Aşırı Gradyan Artırma gibi topluluk öğrenme yöntemleri ile SpaCy kütüphanesi, kurallara dayalı VADER duygu analizi ve transformer tabanlı RoBERTa dil modellerinin performansları pozitif, nötr ve negatif şeklinde üçlü yorum sınıflaması için test edilmiş, doğruluk, kesinlik, duyarlılık ve F1 puan metrikleri tespit edilmiş ve karmaşıklık matrisleri oluşturulmuştur. VADER analizinde sınıfların bileşik ve ayrık değerleri incelenmiş, VADER ve RoBERTa modellerinin sonuçları arasındaki ilişkiler görselleştirilerek açıklanmıştır. Bu çalışma kapsamında elde edilen sonuçlara göre en iyi performansları Çok Katmanlı Algılayıcı ve Ekstra Rastgele Ağaç modelleri gösterirken Çok Terimli Naif Bayes ve VADER yöntemlerinin performans metrikleri diğer modellere kıyasla daha düşük kalmıştır. Sınıfların VADER bileşik duygu polarite değerleri, ayrık değerlerle uyum halindedir. VADER nötr ve VADER negatif değişkenleri arasında, gerçek etiketleri negatif ve nötr olan yorumlarda sıkı ve negatif doğrusal bir ilişki gözlenmiştir.

Özet (Çeviri)

This thesis focuses on the sentiment analysis of Amazon customer reviews. Sentiment analysis involves using natural language processing (NLP) and text mining techniques to determine whether customers have positive or negative opinions about a product. NLP is crucial for extracting valuable insights from large data sets. In this study, we analyzed Amazon customer reviews using classical methods like Logistic Regression, Support Vector Machines, Multinomial Naive Bayes, and Stochastic Gradient Descent, as well as semi-classical methods like Multilayer Perceptron. We also used ensemble learning methods like Extra Random Trees and Extreme Gradient Boosting, along with the SpaCy library, rule-based VADER sentiment analysis, and transformer-based RoBERTa models. The comments were classified as positive, neutral, or negative. We evaluated accuracy, precision, sensitivity, and F1 score metrics and created confusion matrices. The VADER model's composite and discrete values were examined, and the relationships between the VADER and RoBERTa model outcomes were visualized and explained. According to the results, the best-performing models were Multilayer Perceptron and Extra Random Trees, while Multinomial Naive Bayes and VADER showed lower performance metrics compared to the other models. VADER's composite sentiment polarity values were consistent with the discrete values. A strong negative linear relationship was observed between VADER neutral and VADER negative for comments tagged as negative and neutral.

Benzer Tezler

  1. Tez No

    636984

    Examining the helpfulness of online customer reviews based on review related factors: The moderating effect of product type

    Yorumlara ilişkin faktörler temelinde çevrimiçi müşteri yorumlarının yararlılığını inceleme: Ürün türünün düzenleyici etkisi

    BETÜL DURKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. HURİYE ŞEBNEM BURNAZ

  2. Tez No

    810449

    Data driven positioning analysis of music streaming platforms

    Müzik platformlarının veriye dayalı konumlandırma analizi

    AYŞE BAŞAK İNCEKAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UMUT ASAN

  3. Tez No

    569605

    The impact of emoji use in online consumer reviews and company responses

    Çevrimiçi tüketici yorumlarında ve şirket yanıtlarında emoji kullanımının etkisi

    ESRA ÖRNEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. AYŞE BANU ELMADAĞ BAŞ

  4. Tez No

    641959

    Farklı ülkelerdeki sanal alışveriş mağazalarındaki ürün yorumlarının incelenmesi

    Analysing product reviews in virtual shopping stores in different countries

    TAYFUN ŞAAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İşletmeEskişehir Osmangazi Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. MUHAMMET ALİ TİLTAY

  5. Tez No

    713284

    Defect product estimation using customer reviews, Amazon use case

    Amazon örneği ile müşteri incelemelerinden kusurlu ürün tahmini

    TARKAN EYERCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ROYA CHOUPANI

    DOÇ. DR. KASIM ÖZTOPRAK

Geri Dön