Geri Dön

Müşteri geri bildirimlerinin doğal dil işleme algoritmaları ile sınıflandırılması

Classification of customer feedback using natural language processing algorithms

PDF İndir

  1. Tez No: 960396
  2. Yazar: HIDIR CAN SALTIK
  3. Danışmanlar: PROF. DR. HÜLYA OLMUŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 43

Özet

COVID-19 salgını sırasında e-ticaret hacmindeki artışla birlikte müşteri yorumlarının sayısı da önemli ölçüde arttı. Bu çalışma, Türkiye'nin önde gelen giyim perakendecilerinden birine ait ürün yorumlarının, önceden geliştirilmiş bir sınıflandırma modelinin bu yorumlarla yeniden eğitilerek belirli kategorilere otomatik olarak atanmasını amaçlayan bir uygulamayı kapsamaktadır. Veri seti, her biri 29 farklı sınıftan oluşan bir kümeden tek bir kategoriyle etiketlenen 14.430 yorumdan oluşmaktadır. Bu veri seti, Türk giyim sektöründeki e-ticaret faaliyetlerini daha iyi anlamaya yönelik önemli bir örnek teşkil etmektedir. Bu çalışmada, doğal dil işleme yöntemlerinden frekans tabanlı ve tahmin tabanlı temsil yöntemleri kullanılmıştır. Özellik çıkarımı işlemi, Terim Frekansı-Ters Belge Frekansı ve Word2Vec teknikleri ile gerçekleştirilmiştir. Ayrıca, BERT modelinin temsil yöntemi de kullanılmıştır. BERT, kelimelerin bağlama dayalı anlamını çıkarabilme yeteneği sayesinde, geleneksel tekniklere kıyasla daha yüksek doğruluk sağlamaktadır. Etiket tahmini için Rastgele Orman, LightGBM, XGBoost ve BERT sınıflandırıcıları kullanılmış ve performansları karşılaştırılmıştır. Deneysel sonuçlar, BERT modelinin 0.8017 Ağırlıklı Kesinlik, 0.8091 Ağırlıklı Duyarlılık ve 0.8041 Ağırlıklı F1 Puanı ile en yüksek performansı gösterdiğini ortaya koymaktadır. Bu bulgular, müşteri yorumlarını kategorize etmede kullanılan farklı yerleştirme ve sınıflandırma yöntemlerinin etkinliğini göstermektedir.

Özet (Çeviri)

During the COVID-19 pandemic, the volume of e-commerce increased significantly, leading to a considerable rise in the number of customer reviews. This study involves an application aimed at automatically assigning product reviews belonging to one of Turkey's leading apparel retailers to specific categories by retraining a pre-developed classification model using these reviews. The dataset consists of 14,430 reviews, each labeled with a single category from a cluster of 29 different classes. This dataset serves as an important example for better understanding e-commerce activities in the Turkish apparel sector. In this study, both frequency-based and prediction-based embedding methods have been used. Feature extraction was carried out using Term Frequency-Inverse Document Frequency and Word2Vec techniques. Additionally, the embedding method of BERT was also utilized. BERT provides higher accuracy compared to traditional techniques due to its ability to capture the context-dependent meaning of words. Random Forest, LightGBM, XGBoost and BERT classifiers were employed for label prediction, and their performances were compared. Experimental results reveal that the BERT model achieved the highest performance with a Weighted Precision of 0.8017, Weighted Recall of 0.8091 and Weighted F1 Score of 0.8041. These findings demonstrate the effectiveness of different embedding and classification methods in categorizing customer reviews.

Benzer Tezler

  1. Tez No

    895129

    Soğan mimarisinde metin içeriklerinin yapay zekâ destekli modeller ile değerlendirilmesi ve dağıtımı

    Evaluation and distribution of text contents with models supported by artificial intelligence techniques in onion architecture

    SEMİH OSMAN SAKA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSamsun Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZAFER CÖMERT

  2. Tez No

    884401

    An intelligent system for ranking e-commerce customer reviews to boost engagement

    Müşteri etkileşimini artırmak için e-ticaret müşteri yorumlarını sıralayan akıllı sistem

    ERTUĞRUL YÜCEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. TOLGA KAYA

  3. Tez No

    875565

    Müzik verilerinin makine öğrenmesi yöntemleri ile duygu ve içerik analizi yapılması

    Emotion and content analysis of music data using machine learning methods

    BUĞRA KAĞAN KAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilim ve TeknolojiOSTİM TEKNİK ÜNİVERSİTESİ

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT ŞİMŞEK

  4. Tez No

    813186

    Analysis of customer feedback replied to an airlines support account via Twitter with natural language processing methods

    Bir havayolu şirketinin destek hesabına Twitter üzerinden iletilen müşteri geri bildirimlerinin doğal dil işleme yöntemleri ile analizi

    TOLGA KURTULUŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERHAN ÇENE

  5. Tez No

    960933

    Data-driven understanding of customer experiences: Leveraging machine learning for service improvement

    Veri odaklı müşteri deneyimlerinin anlaşılması: Hizmet iyileştirme için makine öğrenmesinden yararlanma

    GÖZDE SÖNMEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri MühendisliğiGaziantep Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. SERAP ULUSAM SEÇKİNER

Geri Dön