Amazon Ürün Değerlendirmeleri Üzerinde Derin Öğrenme/Makine Öğrenmesi Tabanlı Duygu Analizi Yapılması

Bu çalıĢmanın asıl amacı kaggle veri seti üzerinden çekilmiĢ olan amazon ürün yorumlarını makine öğrenmesi yöntemleri ve duygu analizi sınıflandırması ile analiz etmektedir. Yapılan çalıĢmada birden beĢe kadar verilen duygu oranlar analiz edilmiĢ ve en son olarak duygu içeriyorsa pozitif, negatif ve nötr olma durumları saptanmıĢtır. Python programa dili kullanılmıĢ olup, Kaggle‘ın kendi idesi üzerinden 8 farklı makine öğrenmesi algoritması ile veriler analiz edilmiĢtir. 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 KomĢu (KN), Bagging Algoritması (BG) gösterilebilir.

Erişime Açık
Görüntülenme
4
02.02.2023 tarihinden bu yana
İndirme
1
02.02.2023 tarihinden bu yana
Son Erişim Tarihi
17 Nisan 2024 17:05
Google Kontrol
Tıklayınız
Tam Metin
Tam Metin İndirmek için tıklayın Ön izleme
Detaylı Görünüm
Eser Adı
(dc.title)
Amazon Ürün Değerlendirmeleri Üzerinde Derin Öğrenme/Makine Öğrenmesi Tabanlı Duygu Analizi Yapılması
Eser Sahibi
(dc.contributor.author)
Neşe 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)
Bu çalıĢmanın asıl amacı kaggle veri seti üzerinden çekilmiĢ olan amazon ürün yorumlarını makine öğrenmesi yöntemleri ve duygu analizi sınıflandırması ile analiz etmektedir. Yapılan çalıĢmada birden beĢe kadar verilen duygu oranlar analiz edilmiĢ ve en son olarak duygu içeriyorsa pozitif, negatif ve nötr olma durumları saptanmıĢtır. Python programa dili kullanılmıĢ olup, Kaggle‘ın kendi idesi üzerinden 8 farklı makine öğrenmesi algoritması ile veriler analiz edilmiĢtir. 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 KomĢu (KN), Bagging Algoritması (BG) gösterilebilir.
Kayıt Giriş Tarihi
(dc.date.accessioned)
2023-02-02
Açık Erişim Tarihi
(dc.date.available)
2023-02-02
Yayın Tarihi
(dc.date.issued)
2023
Tek Biçim Adres
(dc.identifier.uri)
https://hdl.handle.net/11469/3325
Yayın Dili
(dc.language.iso)
tr
Konu Başlıkları
(dc.subject)
Amazon Duygu analizi
Konu Başlıkları
(dc.subject)
Kaggle
Haklar
(dc.rights)
Open access
Analizler
Yayın Görüntülenme
Yayın Görüntülenme
Erişilen ülkeler
Erişilen şehirler
6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında yükümlülüklerimiz ve çerez politikamız hakkında bilgi sahibi olmak için alttaki bağlantıyı kullanabilirsiniz.

creativecommons
Bu site altında yer alan tüm kaynaklar Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.
Platforms