u çalışmanın asıl amacı kaggle veri seti üzerinden çekilmiş olan Trip Advisor otel değerlendirmelerinde kullanıcı beğeni değerlerinin makine öğrenmesi yöntemleri tahmin edilmesine yönelik model geliştirilmesi ile analiz etmektedir. Yapılan çalışmada birden beşe kadar verilen otel değerlendirmelerinde kullanıcı beğeni değerlerinin oranları analiz edilmiş ve en sonunda kullanıcı tarafından tavsiye ediliyorsa “Recommended”, tavsiye edilmiyorsa “Not Recommended ” ve kullanıcı kararsız ise “Nötr” olma durumları saptanmıştır. Python programa dili kullanılmış olup, Google Colab idesi üzerinden 8 farklı makine öğrenmesi algoritması ile veriler analiz edilmiştir. Kullanılan algoritmalar arasında Naive Bayes (NB), Destek Vektör Makineleri(SVM), Karar Ağaçları(DT), Lojistik Regresyon(LR-tf-idf), Lojistik Regresyon(LR- w2v), Rastgele Orman (RF), K-En Yakın Komşu (KN), Bagging Algoritması (BG) gösterilebilir.
Eser Adı (dc.title) | Trip Advisor Otel Değerlendirmelerinde Kullanıcı Beğeni Değerlerinin Tahmin Edilmesine Yönelik Model Geliştirilmesi |
Eser Sahibi (dc.contributor.author) | Mustafa GÖK |
Yayıncı (dc.publisher) | İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü |
Esere Katkı Sağlayan (dc.contributor.other) | AYTUĞ ONAN |
Tür (dc.type) | Diğer |
Açıklama (dc.description) | Yüksek Lisans Bitirme Projesi |
Özet (dc.description.abstract) | u çalışmanın asıl amacı kaggle veri seti üzerinden çekilmiş olan Trip Advisor otel değerlendirmelerinde kullanıcı beğeni değerlerinin makine öğrenmesi yöntemleri tahmin edilmesine yönelik model geliştirilmesi ile analiz etmektedir. Yapılan çalışmada birden beşe kadar verilen otel değerlendirmelerinde kullanıcı beğeni değerlerinin oranları analiz edilmiş ve en sonunda kullanıcı tarafından tavsiye ediliyorsa “Recommended”, tavsiye edilmiyorsa “Not Recommended ” ve kullanıcı kararsız ise “Nötr” olma durumları saptanmıştır. Python programa dili kullanılmış olup, Google Colab idesi üzerinden 8 farklı makine öğrenmesi algoritması ile veriler analiz edilmiştir. Kullanılan algoritmalar arasında Naive Bayes (NB), Destek Vektör Makineleri(SVM), Karar Ağaçları(DT), Lojistik Regresyon(LR-tf-idf), Lojistik Regresyon(LR- w2v), Rastgele Orman (RF), K-En Yakın Komşu (KN), Bagging Algoritması (BG) gösterilebilir. |
Kayıt Giriş Tarihi (dc.date.accessioned) | 2023-02-01 |
Açık Erişim Tarihi (dc.date.available) | 2023-02-01 |
Yayın Tarihi (dc.date.issued) | 2023 |
Tek Biçim Adres (dc.identifier.uri) | https://hdl.handle.net/11469/3321 |
Yayın Dili (dc.language.iso) | tr |
Konu Başlıkları (dc.subject) | Trip Advisor |
Konu Başlıkları (dc.subject) | Google Colab |
Haklar (dc.rights) | Open access |