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: 90
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
- Essays on online product ratings
Çevrimiçi ürün puanlamaları üzerine makaleler
ALİ ÇAKAL
Doktora
İngilizce
2025
İşletmeKoç Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. ALİ UMUT GÜLER
PROF. DR. AYŞEGÜL ÖZSOMER TUNALI
- The effect of customer reviews and ratings on purchasing and cognitive dissonance in online shopping: An application in the clothing industry
Çevrimiçi alışverişte müşteri puan ve yorumlarının satın alma ve bilişsel uyumsuzluk üzerine etkisi: Giyim sektöründe bir uygulama
GÜLŞAH ÇİLENGİR ÖĞÜTCÜ
Yüksek Lisans
İngilizce
2023
İşletmeMarmara Üniversitesiİşletme (İngilizce) Ana Bilim Dalı
PROF. DR. EMİNE ÇOBANOĞLU
- Amazon müşteri yorumlarının duygu analizi yöntemleriyle değerlendirilmesi
Evaluating Amazon customer reviews through sentiment analysis techniques
SABUHI YUSIFOV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ SEBETCİ
- E-ticaret sitelerine yapılan tüketici yorumlarının yapay zeka yöntemleri ile değerlendirilmesi
Evaluation of consumer comments made on e-commerce websites by artificial intelligence
ÖZGE CÖMERT
Doktora
Türkçe
2024
Bilim ve TeknolojiFırat ÜniversitesiTeknoloji ve Bilgi Yönetimi Ana Bilim Dalı
DOÇ. DR. NURCAN YÜCEL
- Tüketicilerin satın alma kararında online ürün yorumlarından etkilenme düzeyinin belirlenmesine yönelik bir araştırma
A research to determine the level of the impact of online product reviews on consumers' purchasing decision
PERUZE CANSU AKDENİZ
Yüksek Lisans
Türkçe
2019
İşletmeYozgat Bozok Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞBA ÖZBÖLÜK