Abstract
Bu çalışma, e-ticaret sitelerindeki ürün yorumlarının otomatik sınıflandırılması ve uygun yanıtların üretilmesi amacıyla makine öğrenmesi tekniklerinin kullanılmasını ele almaktadır. "E-Ticaret Ürün Yorumları" veri setinden elde edilen olumlu, olumsuz ve nötr olarak etiketlenen yaklaşık 15.000 veri ile gerçekleştirilmiştir. Çalışmada metin madenciliği teknikleri olan TF-IDF vektörleme yönteminden faydalanılmıştır. Duygu analizi için Çok Terimli Naive Bayes (Multinomial Naive Bayes), Destek Vektör Makinesi (Support Vector Machine), Rassal Orman (Random Forest), Lojistik Regresyon (Logistic Regresyon) teknikleri kullanılmıştır. Yapılan çalışmalar sonucunda Çok Terimli Naive Bayes, Destek Vektör Makinesi, Rassal Orman, Lojistik Regresyon algoritmalarının doğruluk değerleri sırasıyla %87, %88, %85 ve %88 olmak üzere başarılı sonuçlar vermişlerdir. Sonuç olarak otomatik yorum analiz araçlarının e-ticaret satıcıları için müşteri ilişkilerini geliştirmede etkili olabileceği sonucuna ulaşılmıştır.
References
- 1. Ulusoy, B. (2022). Ürün Yorumları Duygu Analizi. [Proje].Kaggle.https://www.kaggle.com/code/b arisulusoy/r-n-yorumlar-duygu-analizi (Erişim Tarihi: 30 Ekim 2023)
- 2. Çabuk, M. (2022). E-Ticaret Ürün Yorumları [Veri seti]. Kaggle.https://www.kaggle.com/datasets/mujd atcabuk/eticaret-urun-yorumlari (Erişim Tarihi: 30 Ekim 2023)
- 3. Çalış, K., Gazdağı, O., & Yıldız, O. (2013). Reklam İçerikli Epostaların Metin Madenciliği Yöntemleri ile Otomatik Tespiti. Bilişim Teknolojileri Dergisi, 6(1), 1-10. https://dergipark.org.tr/en/download/articlefile/ 75317
- 4. Çelik, Ö., & Koç, B. C. (2021). TF-IDF, Word2vec ve Fasttext Vektör Model Yöntemleri ile Türkçe Haber Metinlerinin Sınıflandırılması. Dergi Adı (DEUFMD), 23(67), 121-127. https://dergipark.org.tr/en/download/articlefile/ 940060
- 5. Onan, A., & Korukoğlu, S. (2016). Makine Öğrenmesi Yöntemlerinin Görüş Madenciliğinde Kullanılması Üzerine Bir Literatür Araştırması. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / Pamukkale University Journal of Engineering Sciences, 22(2), 111-122. https://jag.journalagent.com/pajes/pdfs/PAJES _22_2_111_122.pdf
- 6. Tuzcu, S. (2020). Çevrimiçi Kullanıcı Yorumlarının Duygu Analizi ile Sınıflandırılması. ESTUDAM Bilişim, 1(2), 1–5.
- 7. Ülgen Oğul, İ., Özcan, C., & Hakdağlı, Ö. (2017). Spark Destek Vektör Makinesi ile Metin Sınıflandırma. https://www.researchgate.net/profile/Caner- Ozcan-2/publication/321579721_Text_Classification_ with_Spark_Support_Vector_Machine/links/5a 27b7bba6fdcc8e866e7e35/Text-Classificationwith- Spark-Support-Vector-Machine.pdf
- 8. Yang, L., Li, Y., Wang, J., & Sherratt, R. S. (2020). Sentiment Analysis for E-Commerce Product Reviews in Chinese Based on Sentiment Lexicon and Deep Learning. IEEE Access, 8, 23522-23530. https://doi.org/10.1109/ACCESS.2020.2969854
- 9. Postalcioglu, S., (2022). Design of Automatic Tool for Diagnosis of Pneumonia Using Boosting Techniques, Brazilian Archives of Biology and Technology. 2022, v. 65, pp:1-16. doi.org/10.1590/1678-4324-2022210322
Abstract
This study addresses the use of machine learning techniques for automatic classification of product reviews on e-commerce sites and generating appropriate responses. It was carried out with approximately 15,000 data labeled as positive, negative and neutral obtained from the "E-Commerce Product Reviews" data set. The TF-IDF vectorization method, which is a text mining technique, was used in the study. Multinomial Naive Bayes, Support Vector Machine, Random Forest, Logistic Regression techniques were used for sentiment analysis. As a result of the studies, the accuracy values of Multinomial Naive Bayes, Support Vector Machine, Random Forest, Logistic Regression algorithms show successful results as 87%, 88%, 85% and 88%, respectively. As a result, it was concluded that automatic comment analysis tools can be effective in improving customer relations for e-commerce sellers.
References
- 1. Ulusoy, B. (2022). Ürün Yorumları Duygu Analizi. [Proje].Kaggle.https://www.kaggle.com/code/b arisulusoy/r-n-yorumlar-duygu-analizi (Erişim Tarihi: 30 Ekim 2023)
- 2. Çabuk, M. (2022). E-Ticaret Ürün Yorumları [Veri seti]. Kaggle.https://www.kaggle.com/datasets/mujd atcabuk/eticaret-urun-yorumlari (Erişim Tarihi: 30 Ekim 2023)
- 3. Çalış, K., Gazdağı, O., & Yıldız, O. (2013). Reklam İçerikli Epostaların Metin Madenciliği Yöntemleri ile Otomatik Tespiti. Bilişim Teknolojileri Dergisi, 6(1), 1-10. https://dergipark.org.tr/en/download/articlefile/ 75317
- 4. Çelik, Ö., & Koç, B. C. (2021). TF-IDF, Word2vec ve Fasttext Vektör Model Yöntemleri ile Türkçe Haber Metinlerinin Sınıflandırılması. Dergi Adı (DEUFMD), 23(67), 121-127. https://dergipark.org.tr/en/download/articlefile/ 940060
- 5. Onan, A., & Korukoğlu, S. (2016). Makine Öğrenmesi Yöntemlerinin Görüş Madenciliğinde Kullanılması Üzerine Bir Literatür Araştırması. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / Pamukkale University Journal of Engineering Sciences, 22(2), 111-122. https://jag.journalagent.com/pajes/pdfs/PAJES _22_2_111_122.pdf
- 6. Tuzcu, S. (2020). Çevrimiçi Kullanıcı Yorumlarının Duygu Analizi ile Sınıflandırılması. ESTUDAM Bilişim, 1(2), 1–5.
- 7. Ülgen Oğul, İ., Özcan, C., & Hakdağlı, Ö. (2017). Spark Destek Vektör Makinesi ile Metin Sınıflandırma. https://www.researchgate.net/profile/Caner- Ozcan-2/publication/321579721_Text_Classification_ with_Spark_Support_Vector_Machine/links/5a 27b7bba6fdcc8e866e7e35/Text-Classificationwith- Spark-Support-Vector-Machine.pdf
- 8. Yang, L., Li, Y., Wang, J., & Sherratt, R. S. (2020). Sentiment Analysis for E-Commerce Product Reviews in Chinese Based on Sentiment Lexicon and Deep Learning. IEEE Access, 8, 23522-23530. https://doi.org/10.1109/ACCESS.2020.2969854
- 9. Postalcioglu, S., (2022). Design of Automatic Tool for Diagnosis of Pneumonia Using Boosting Techniques, Brazilian Archives of Biology and Technology. 2022, v. 65, pp:1-16. doi.org/10.1590/1678-4324-2022210322
Details
| Primary Language | English |
|---|---|
| Subjects | Computer Software |
| Journal Section | Articles |
| Authors | |
| Publication Date | June 30, 2025 |
| Submission Date | December 4, 2024 |
| Acceptance Date | December 23, 2024 |
| Published in Issue | Year 2025 Volume: 8 Issue: 1 |
