e-ticaret ürün yorumlarından puan tahmini
Score prediction from e-commerce product reviews
- Tez No: 921202
- Danışmanlar: DR. ÖĞR. ÜYESİ DİDEM ÖLÇER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, Türkiye'nin önde gelen e-ticaret platformlarından biri olan Trendyol'daki kullanıcı yorumları kullanılarak, makine öğrenmesi ve doğal dil işleme teknikleri ile Türkçe ürün yorumları üzerinde duygu analizi ve yıldız puanı tahmini yapılması amaçlanmıştır. E-ticaret platformlarında kullanıcılar tarafından yapılan ürün yorumları ve bu yorumlara verilen yıldız puanları, tüketicilerin ürünler hakkında bilgi edinmesinde önemli bir rol oynamaktadır. Ancak, yorumlar ile yıldız puanları arasındaki tutarsızlıklar, ürünlerin ortalama puanlarını yanıltıcı hale getirmekte ve hem tüketiciler hem de satıcılar açısından olumsuz sonuçlar doğurabilmektedir. Bu çalışma kapsamında, Türkçe ürün yorumları ile yıldız puanları arasındaki bu tutarsızlıkların tespiti ve düzeltilmesiyle daha güvenilir bir puan tahmin sistemi geliştirilmesi hedeflenmiştir. Çalışmada, öncelikle kullanıcı yorumları ve yıldız puanlarını içeren bir veri seti oluşturulmuş, ardından veri ön işleme adımları gerçekleştirilmiştir. Tutarsızlıkların tespiti için beş farklı yöntem kullanılmış ve en etkili yöntemin belirlenmesine yönelik analizler yapılmıştır. Öznitelik çıkarımı için Terim Frekansı - Ters Belge Frekansı (TF-IDF) ve Word2Vec algoritmaları kullanılarak metinler sayısal temsile dönüştürülmüştür. Daha sonra, Rasgele Orman, Lojistik Regresyon, Destek Vektör Makineleri (SVM) ve Gradient Boosting gibi makine öğrenmesi algoritmaları hiperparametre optimizasyonları ile eğitilmiş ve test edilmiştir. Analizler, iki sınıflı (pozitif, negatif), üç sınıflı (pozitif, negatif, nötr) ve beş sınıflı sınıflandırma modelleri üzerinden gerçekleştirilmiştir. Elde edilen sonuçlar, tutarsızlıkların düzeltilmesinin model doğruluğunu artırdığını ve daha güvenilir yıldız puanı tahmini yapılabildiğini göstermiştir. Bu çalışma, e-ticaret platformlarında kullanıcı deneyimini iyileştirmek, yanıltıcı içerikleri en aza indirmek ve daha doğru karar destek sistemleri geliştirmek adına önemli bir adım niteliğindedir.
Özet (Çeviri)
This study aims to perform sentiment analysis and star rating estimation on Turkish product reviews using machine learning and natural language processing techniques using user reviews on Trendyol, one of Turkey's leading e-commerce platforms. Product reviews made by users on e-commerce platforms and the star ratings given to these reviews play an important role in consumers' learning about products. However, inconsistencies between reviews and star ratings make the average ratings of products misleading and can have negative consequences for both consumers and sellers. Within the scope of this study, it is aimed to develop a more reliable rating estimation system by detecting and correcting these inconsistencies between Turkish product reviews and star ratings. In the study, first a dataset containing user reviews and star ratings was created, and then data preprocessing steps were performed. Five different methods were used to detect inconsistencies and analyzes were conducted to determine the most effective method. For feature extraction, texts were converted to numerical representation using Term Frequency-Inverse Document Frequency (TF-IDF) and Word2Vec algorithms. Then, machine learning algorithms such as Random Forest, Logistic Regression, Support Vector Machine (SVM) and Gradient Boosting were trained and tested with hyperparameter optimizations. The analyses were performed on twoclass (positive, negative), three-class (positive, negative, neutral) and five-class classification models. The results obtained showed that correcting the inconsistencies increased the model accuracy and more reliable star rating estimation could be made. This study is an important step in improving the user experience on e-commerce platforms, minimizing misleading content and developing more accurate decision support systems.
Benzer Tezler
- Çevrimiçi alışveriş sitelerinde kullanıcı yorumları üzerinden mobilya ürünleri için duygu analizi: Yapay zekâ modelleri ile puan tahminleme ve müşteri memnuniyeti değerlendirmesi
Sentiment analysis for furniture products through user reviews on online shopping sites: Rating prediction and customer satisfaction evaluation using artificial intelligence models
HATİCE ÇÖRTEN
Yüksek Lisans
Türkçe
2025
Bilim ve TeknolojiGazi ÜniversitesiAğaç İşleri Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR ÖZCAN
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ