Search Results

Now showing 1 - 4 of 4

Defect product estimation using customer reviews, Amazon use case
(2022) Eyerci, Tarkan
Teknoloji her alanı etkilediği gibi ticareti de çok etkiledi. Günümüzde artık, üreticiler, perakendeciler, hizmet sağlayıcılar gibi son kullanıcıya hitap eden tüm işletmeler e-ticaret siteleri ve mobil uygulamaları gibi yöntemlerle internet üzerinden müşterilerine hızlıca ulaşabiliyorlar. Diğer yandan, müşteriler ise artık birçok seçenek arasından seçim yapma şansına sahipler. Kullanıcılar genellikle seçimlerini yaparken daha önce aynı tecrübeyi paylaşmış diğer kullanıcıların yorumlarından faydalanırlar. Bu açıdan kullanıcı yorumları çok değerli bilgiler içerir. Fakat yoğun kullanılan sitelerde bir insanın tek tek inceleyemeyeceği kadar çok yorum birikir. Biz bu çalışmada, ürünlerin belli bir özelliğine, yani kusurlu özelliklerine odaklandık. Kusur bilgisi içeren milyonlarca yorum içinden ilgili yorumları filtre edebilmek için bir yöntem öneriyoruz. Kusur ile ilgili kelimeleri sözlük yardımı ile elle oluşturup bu kelimeler geçen yorumları filtrelemek bir çözüm önerisi olabilir. Fakat bu kelime listesini elle oluşturmak verimli olmayacaktır. Bunun için sadece ilgili ürün gruplarına ait yorumları kullanarak kendi kelime temsil modelimizi eğitip, bu modelle birlikte kelime yakınlıklarını kullanarak daha verimli bir kusur kelimeleri listesi oluşturduk. Kullanıma hazır önceden eğitilmiş bir kelime temsil modelini indirip, bu modelle kendi modelimizi kıyasladık. Genel konularda hazır modelin daha başarılı olurken, özel bir konuda kendi modelimizin kelime listesi oluşturmada daha başarılı olduğunu gördük.
Sentiment analysis and gender prediction in twitter data
(2015) Balaban, Ertuğrul
In this thesis, tweets from Twitter that have been sent by users will be considered on a preferential basis in accordance with determined or requested specific key word(s). Also the interpretation of these tweets, by the computer, will be examined in a way as they are "Positive", "Negative" or "Neutral". In this context, under the heading 'Twitter Sentiment Analysis', studies were conducted and the success rates of achieved results were compared. In addition to this, on the basis of the usernames(of users) who send tweets, tweets was compared with Turkish Special Names which is shared by the Turkish Language Association (TDK) and also achieved results and gender determinations of users in terms of "Female", "Male" or "Not Determined," were examined. Under the heading of 'Gender Prediction in Twitter' studies were conducted and the success rates of achieved results were compared. On the basis of this study, the related topics of 'Sentiment Analysis' and 'Gender Prediction' were examined for Turkish Language and all of these studies were carried out through Turkish language.
Economic forecasting database using GDELT project data
(2019) Kuzu, Yusuf Kaya
In this thesis, GDELT Global Knowledge Graph (GKG) data is used to analyse the sentiment values of our economic dictionary and for individual countries in a specific timeframe. The tone values of the individual online articles were used as basis for sentiment values for individual economic terms, which are then used on the original file resources to find their total sentiment values, negative sentiment values, positive sentiment values, and polarity of the files. Polarity of the files are calculated using the amount of matching terms divided by total terms in files. First 5 sample results of all these fields are calculated for individual files and location tags in the files initially by using the terms individually, and then by clustering the terms in groups.
Developing the recurrent neural network with long-short term memory and word2vec representation for sentiment classification
(2018) Al-Kubaısı, Falah Amer Abdulazeez
Makine öğreniminin en önemli bileşenlerinden bir tanesi sınıflandırmadır. Duygu analizi, sınıflamanın alt alanlarından biridir. Duygu analizi insanların duygularıyla ilgili düşüncelerini araştıran ve sınıflandıran yöntemlerle çalışır ve konuya ve hatta diğer metinlere yönelik altta yatan izlenimleri çıkarır. Bu çalışmada, metinleri olumlu ya da olumsuz olarak analiz edebilen ikili duygu sınıflandırması için bir sinir ağı modeli geliştirmeye çalıştık. Pek çok makale olasılıksal sınıflandırıcıların ve doğrusal sınıflandırıcı (SVM) yöntemlerinin Yapay Sinir Ağı yöntemlerinden daha doğru olduğu sonucuna varmışlardır. Bu çalışmada, Sinir Ağ yöntemleri alanında gelişme için daha fazla alan olduğunu kanıtladık. Sonuçlarımızı dört denetimli öğrenme yöntemi ile karşılaştırdık: Naïve-Bayes, Maksimum Entropi, Destek Vektör Makinesi ve Stokastik Gradyan Descent. Bahsi geçen bu yöntemler ile karşılaştırıldığı durumda daha iyi sonuçlar elde ettik. RNN (Tekrarlayan Nöral Ağ) ile Glove (Kelime Temsili Global Vektörler) kullanarak% 91.04 doğruluk elde ettik.

Yüksek Lisans Tezleri

Browse

Filters

Settings

Sort By

Results per page

Search Results