Müşteri yorumları üzerinde metin analitiği çalışmaları ve yorumların makine öğrenmesi algoritmaları ile modellenmesi

Abstract

Metin analitiği teknolojisi; duygu analizi, kategorilendirme ve metinlerden konu çıkarılması gibi birçok alanda kullanıcılarına fayda sağlamaktadır. Kullanıcı bu teknoloji ile müşterinin yaklaşımını, tercihini ve ihtiyacını anlayabilmekte ve stratejisini koşullara göre revize edebilmektedir. Bu çalışma kapsamında öncelikle müşteri yorumlarının analiz yöntemleri ile incelenmesi gerçekleştirilecektir. Yazılı metin içerisinde bulunan içerikler sayesiyle bilgi keşfi adına analiz çalışmaları yapılacaktır. Metin sınıflandırma problemi, belli tekniklerle işlenen metinlerin içeriğine göre sınıflar atanması sürecidir. Metin sınıflandırma uygulamaları, web sayfalarının ve haber metinlerinin kataloglaması, arama motorlarının optimizasyonu, bilgi çıkarımı, e-postaların otomatik olarak işlenmesi gibi çeşitli alanlarda etkin olarak kullanılmaktadır. Bu bağlamda gerçekleştirilen çalışma da sınıflandırma algoritmasına dayanan yordamlarla müşteri yorumların sınıflandırılması amaçlanmaktadır. Bu çalışma kapsamında oluşturulan modellerin müşteri yorumları üzerindeki sınıflandırma başarısı analiz edilmiştir. Naive bayes, lojistik regresyon ve destek vektör makinesi algoritmalarının yorumlar üzerindeki model performansları karşılaştırılmıştır.

Text analytics technology is benefit of users in many areas such as emotion analysis, categorization and text extraction. With this technology, the user can understand the customer's approach, preference and need and revise his strategy according to the conditions. Within the scope of this study, firstly customer reviews will be analyzed with analysis methods. Analysis will be carried out on behalf of information discovery through the contents in the written text. The problem of text classification is the process of assigning classes according to the content of the texts processed with certain techniques. Text classification applications are used effectively in various fields such as cataloging web pages and news texts, optimizing search engines, extracting information, automatically processing e-mails. In this context, it is aimed to classify the customer comments with the procedures based on the classification algorithm. The success of the classification of the models created in this study on customer comments was analyzed. Naive bayes, logistic regression and support vector machine algorithms are compared with the model performances on the interpretations.