Amazon veri setinde tüketici duygularını değerlendirmek için derin öğrenme yaklaşımı
Nazeeha Sayghn Khalid Khalid1, Serkan Savaş21Çankırı Karatekin Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı, Çankırı, Türkiye2Kırıkkale Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümü, Kırıkkale, Türkiye
Bu çalışmada, Amazon ürün yorumları kullanılarak tüketici duyarlılık analizinde makine öğrenmesi tekniğinin etkinliği araştırılmıştır. Çalışmanın ana hedefi, metinsel yorumlarla ilgili yıldız puanlamaları arasındaki uyumu değerlendirmek ve bu uyumu tahmin etmek için makine öğrenimi modellerini kullanmaktır. Çalışmada, Destek Vektör Makinesi, Karar Ağacı ve K-En Yakın Komşu gibi makine öğrenmesi algoritmalarının yanı sıra Uzun Kısa Süreli Bellek gibi derin öğrenme algoritması da kullanılmıştır. Bu modellerin performansları karşılaştırılmış ve derin öğrenme modellerinde gizli katman sayısının doğruluk üzerindeki etkisi analiz edilmiştir. Çalışmanın bulguları, Uzun Kısa Süreli Bellek ağlarının tüketici yorumlarındaki doğal dilin karmaşıklıklarını ele almadaki etkinliğini göstermektedir. Uzun Kısa Süreli Bellek modeli, %98'lik doğruluk oranı ile test veri setinde en iyi performansı sergilemiştir. Buna karşın Karar Ağacı modeli, %77.8'lik doğruluk oranı ile en düşük performansı sergilemiştir. Bu sonuçlar, farklı makine öğrenmesi tekniklerinin duyarlılık analizindeki etkinliğine dair önemli fikirler sağlamaktadır. Ayrıca, bu sonuçlar hızla gelişen bu alanda gelecekteki araştırmalar için de önemli bir temel oluşturmaktadır.
Anahtar Kelimeler: Tüketici Duyarlılık Analizi, Derin Öğrenme, Uzun Kısa Süreli Bellek, Amazon, Makine ÖğrenmesiA deep learning approach for assessing consumer sentiment in amazon dataset
Nazeeha Sayghn Khalid Khalid1, Serkan Savaş21Department of Electronics and Computer Engineering, Graduate School of Natural and Applied Sciences, Çankırı Karatekin University, Çankırı, Türkiye2Department Of Computer Engineering, Faculty of Engineering and Natural Sciences, Kırıkkale University, Kırıkkale, Türkiye
This study investigates the effectiveness of machine learning techniques in consumer sentiment analysis using Amazon product reviews. The main objective of the study is to use machine learning models to evaluate and predict the correspondence between textual reviews and the corresponding star ratings. In addition to classical machine learning algorithms such as Support Vector Machine, Decision Tree and K-Nearest Neighbor, deep learning algorithm such as Long Short-Term Memory is also used in the study. The performances of these models are compared and the impact of the number of hidden layers on the accuracy of deep learning models is analyzed. The findings of the study demonstrate the effectiveness of Long Short-Term Memory networks in handling the complexities of natural language in consumer reviews. The Long Short-Term Memory model performed best on the test dataset with an accuracy of 98%. In contrast, the Decision Tree model performed the worst with an accuracy of 77.8%. These results provide important insights into the effectiveness of different machine learning techniques in sensitivity analysis. Furthermore, these results provide an important foundation for future research in this rapidly evolving field.
Keywords: Consumer Sentiment Analysis, Deep Learning, Long Short-Term Memory, Amazon, Machine LearningMakale Dili: Türkçe