Çin restoranına yapılan müşteri yorumlarının metin madenciliği teknikleri ve makine öğrenme yöntemleriyle analiz edilmesi
Analyzing customer comments of a Chinese restaurant using text mining techniques and machine learning methods
- Tez No: 887984
- Danışmanlar: DOÇ. DR. FİLİZ KARDİYEN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 104
Özet
Metin madenciliği, büyük metin veri setlerini keşfetme, anlama ve özetleme konusunda bir dizi teknik ve yöntemi içerir. Bilgi çıkarma ve keşif süreçlerine rehberlik eder. Büyük metin veri setlerinde gizlenmiş olan temaları ve önemli bilgileri belirleyerek, kullanıcıların odaklanmalarını sağlar. Aynı zamanda duygu analizi yaparak, metinlerdeki duyguları anlamak da metin madenciliğinin önemli bir işlevidir. Müşteri yorumları veya sosyal medya paylaşımları üzerinden duygu analizi yapmak, işletmelerin ürün veya hizmet memnuniyet seviyelerini değerlendirmelerine yardımcı olur. Bu çalışma, Çin restoranlarının online platformlardaki müşteri yorumlarını metin madenciliği yöntemleri olan Latent Dirichlet Allocation (LDA) ve Bags of Words (BoW) kullanarak analiz etmeyi ve bu analizler aracılığıyla restoranların hizmet kalitesi ve müşteri memnuniyeti hakkında bilgi elde etmeyi amaçlamaktadır. Metin madenciliği yöntemleri kullanılarak belirlenen konular, restoranın çeşitli yönlerini temsil etmekte ve bu konuların içeriği, müşteri yorumlarındaki belirgin kelimeler aracılığıyla anlaşılmaktadır. Makine öğrenimi uygulamasıyla yapılan analizler ile müşteri yorumlarına dayanarak restoranın genel kalitesini ve müşteri memnuniyeti tahmin edilmiştir. Bu analizde kullanılan Çok Katmanlı Algılayıcı (MLP), Karar Ağacı (DecisionTree), Stokastik gradyan inişi (SGD), AdaBoost, GradientBoosting, LogisticRegression, RandomForest, Destek Vektör Makinesi (SVC), LightGBM, Kneighbors ve XGBoost algoritmalar arasında en iyi performansı gösteren algoritmanın Multilayer Perceptron (MLP) olduğu belirlenmiştir. MLP'nin, müşteri yorumlarından elde edilen verilerle restoranın kalitesini değerlendirme konusunda yüksek doğruluk oranları sağladığı görülmüştür. Bu çalışmada yapılan analizler, restoranın müşteri profilini daha iyi anlamak, pazarlama stratejilerini optimize etmek ve rekabet avantajı sağlamak için kullanılabilir. Bu yöntemler bilgi çağında rekabet avantajı elde etmek isteyen işletmeler için vazgeçilmez bir öneme sahiptir.
Özet (Çeviri)
Text mining involves a set of techniques and methods for exploring, understanding and summarizing large text data sets. It guides knowledge extraction and discovery processes. It allows users to focus by identifying themes and important information hidden in large text data sets. At the same time, understanding emotions in texts by performing sentiment analysis is also an important function of text mining. Conducting sentiment analysis on customer reviews or social media posts helps businesses evaluate product or service satisfaction levels. This study aims to analyze customer comments of Chinese restaurants on online platforms using text mining methods Latent Dirichlet Allocation (LDA) and Bags of Words (BoW) and to obtain information about the service quality and customer satisfaction of restaurants through these analyses. Topics identified using text mining methods represent various aspects of the restaurant, and the content of these topics is understood through distinct words in customer comments. The overall quality of the restaurant and customer satisfaction were estimated based on customer comments and analyzes made with the machine learning application. Among the Multilayer Perceptron (MLP), Decision Tree (DecisionTree), Stochastic gradient descent (SGD), AdaBoost, GradientBoosting, LogisticRegression, RandomForest, Support Vector Machine (SVC), LightGBM, Kneighbors and XGBoost algorithms used in this analysis, the algorithm with the best performance was determined. It was determined to be Multilayer Perceptron (MLP). MLP has been shown to provide high accuracy rates in assessing restaurant quality with data obtained from customer reviews. The analyzes made in this study can be used to better understand the restaurant's customer profile, optimize marketing strategies and gain competitive advantage. These methods are of indispensable importance for businesses that want to gain competitive advantage in the information age.
Benzer Tezler
- Yemek üretim sürecinde ortaya çıkan işgücü maliyetlerinin analizi ve yönetsel amaçlı kullanımına yönelik bir model önerisi
The analysi̇s of the labor cost occurri̇ng in the food production process and a model proposal for its use for management purposes
KEMAL ENES
- Gastronomik deneyim için müşterilerin yüksek fiyat ödeme istekliliğinin belirlenmesi: Uzak Doğu restoranları üzerine bir çalışma
Determining customers' willingness to pay high prices for gastronomic experience: A study on Far Eastern restaurants
HAVVA GÖZGEÇ MUTLU
Doktora
Türkçe
2022
Gastronomi ve Mutfak SanatlarıBalıkesir ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
PROF. DR. MURAT DOĞDUBAY
- Antalya ilinin gastronomi profilinin restoran menüleri kapsamında araştırılması
The menus of gastronomy profile of province Antalya are comprehensively
AYTÜL ERGENÇİÇEĞİ
Yüksek Lisans
Türkçe
2022
Beslenme ve DiyetetikSüleyman Demirel ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
PROF. DR. ŞİRVAN ŞEN DEMİR
- Çeşitli doğal bileşenlerin periferal kan mononüklear hücreleri (PBMC) üzerine etkisinin araştırılması
Investigation of the effects of various natural components on peripheral blood mononuclear cells (PBMC)
MAJED S. M. SABAH
Yüksek Lisans
Türkçe
2020
BiyoteknolojiEskişehir Osmangazi ÜniversitesiBiyoteknoloji ve Biyogüvenlik Ana Bilim Dalı
PROF. DR. DİDEM TURGUT COŞAN
- Çin Tömür Batur Destanı üzerine mukayeseli bir inceleme
A Comparative analysis on the epic of Çin Tömür Batur
ABDULHAKİM MEHMET
Yüksek Lisans
Türkçe
1999
Halk Bilimi (Folklor)Ege ÜniversitesiHalk Bilimi Ana Bilim Dalı
YRD. DOÇ. DR. ALİMCAN İNAYET