Text classification and prediction of purchase product categories on shopping receipts
Alışveriş fişlerinde metin sınıflandırması ve satın alınan ürün kategorilerinin tahmini
- Tez No: 881077
- Danışmanlar: PROF. DR. MUSTAFA NECATİ ARAS
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Son dönemde mobil cihazlar ve kampanya yönetimi platformlarındaki gelişmeler, pazarlama alanında kişiselleştirme konseptlerine büyük ilgi uyandırmıştır. Kişiselleştirilmiş deneyimler, perakendeciler arasındaki rekabeti artırmıştır. Bu rekabet ortamında, doğru müşterilere doğru kişiselleştirilmiş teklifleri sunmak, rekabetin bir adım önünde olmak açısından önem taşımaktadır. Bu çalışmada, bir metin sınıflandırma modeli ve bu modelin çıktısını girdi olarak kullanan bir satın alma davranışı tahminleme modeli önerilmektedir. İlk model kullanılarak alışveriş fişlerinde satın alınan ürünlerin kategorisi tahmin edilirken, ikinci model kişi bazında son alışveriş tarihi, alışveriş sıklığı ve alışveriş tutarı gibi bilgileri girdi alarak ürün kategorilerinin satın alınma olasılığını tahmin etmek için kullanılmaktadır. Ayrıca, müşteriler, k ortalama kümeleme algoritmasıyla alışveriş bilgileri kullanılarak sınıflara ayrıştırılmış, sınıflar ve ürün kategorileri arasındaki olası ilişki araştırılmıştır. Karar ağaçları, rassal ormanlar ve gradyan artırma ağaçları gibi ağaç temelli algoritmaların performansı analiz edilmiş ve modellerin performansı kampanya yönetim platformundan elde edilen veri seti üzerinden değerlendirilmiştir. Bu deneylerin sonucunda, rassal ormanlar modelinin seçilen metrikler açısından diğer modellerden daha iyi bir performans sergilediği görülmüştür. Buna ek olarak, satın alınan kategorilerin çoğunda, sınıflar ile kategorilerin satın alınma olasılıkları arasında orta dereceli bir korelasyon bulunmuştur.
Özet (Çeviri)
Recent advancements in mobile devices and campaign management platforms have sparked considerable interest in the realm of personalization concepts in marketing. The emergence of personalized experiences has intensified the competition among retailers within their disruptive milieu. In this competitive environment, presenting accurate personalized offers to the right customers is crucial for maintaining a competitive edge. This study proposes a text classification model and a subsequent purchase behavior prediction model that utilizes the output of the first model as input. The first model predicts the category of purchased products on shopping receipts, while the second model employs individual-level information such as recency, frequency, and spending amount to predict the likelihood of purchasing product categories. Additionally, customers are clustered using the k-means algorithm based on shopping information to investigate potential relationships between clusters and product categories. The performance of tree-based algorithms including decision tree, random forest, gradient boosting trees, is analyzed, and model performances are evaluated using a dataset gathered from a campaign management platform. The results of these experiments indicate that the random forest model outperforms other models with respect to selected performance metrics. Furthermore, in most of the purchased categories, medium effect size correlation is found between purchasing probability of categories and clusters.
Benzer Tezler
- Kullanıcı destek sistemlerinde yardım biletlerinin otomatik sınıflandırılması
Automatic classification of help tickets in user support systems
MÜCAHİT ALTINTAŞ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- İnsan gen yolaklarında ikâme modelleme ve makine öğrenmesi kullanarak varyant analizi
Variant analysis in human gene networks using surrogate modelling and machine learning
FURKAN AYDIN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Covid-19 aşıları hakkındaki Türkçe tweetlerin doğal dil işleme ve derin öğrenme yardımıyla analizi
Analysis of Turkish tweets about Covid-19 vaccines with the help of natural language processing and deep learning
ÖZGÜN DEVRİM CAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEBNEM BORA
PROF. DR. OĞUZ DİKENELLİ
- Yapay sinir ağları ve makine öğrenmesi ile otomobil satış tahmininin yapılması ve zaman serileri analizi ile karşılaştırılması
Forecasting automobile sales using artificial neural networks and machine learning and comparison with time series analysis
BEYZA KURTGERİ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU