Otel firmalarına yapılan yorumların metin madenciliği ve derin öğrenme yöntemleri ile analizi
| dc.authorid | 0009-0007-3347-6346 | |
| dc.contributor.author | Akgün, Muhammed Kaan | |
| dc.date.accessioned | 2025-04-22T10:50:34Z | |
| dc.date.available | 2025-04-22T10:50:34Z | |
| dc.date.issued | 2025 | |
| dc.date.submitted | 23/01/2025 | |
| dc.department | Sosyal Bilimler Enstitüsü | |
| dc.description.abstract | Günümüzde yaygınlaşan internet kullanımının olanaklarından bazıları da sosyal ağların kullanımının, ürün ve hizmetlerin ticari faaliyetleri ile ilgili yorumların oldukça önemli hale gelmesine zemin hazırlamıştır. Sanal ortamlardaki yorumların, metinlerin üzerinde duygu analizi yapılması birçok alanda faydalı amaçlar doğrultusunda kullanım sahası oluşturabilmektedir. Bu çalışmada, müşterilerin otellerle ilgili yorumları okumadan, olumlu, nötr veya olumsuz olarak değerlendirme yapabilmesi amaçlanmıştır. Bu doğrultuda, otel rezervasyon sitelerinden biri olan Etstur'daki müşteri yorumları kullanılarak, derin öğrenme yöntemleriyle otellerin değerlendirilmesi gerçekleştirilmiştir. Veri kümesine Random, Word2Vec, FastText, GloVe ve BERT kelime gömme teknikleri uygulandıktan sonra, derin öğrenme tekniklerinden CNN-LSTM karma modeli, GRU modeli ve DENSE katmanı kullanılarak analiz gerçekleştirilmiş ve en yüksek başarı, GloVe kelime gömme tekniği sonrası uygulanan CNN-LSTM derin öğrenme modeli ile elde edilmiştir. | |
| dc.description.abstract | With the increasing use of the internet today, the utilization of social networks and the importance of comments on products and services in commercial activities have gained significant attention. Sentiment analysis of comments and texts in virtual environments can be applied in various fields for beneficial purposes. This study aims to enable customers to evaluate hotel reviews as positive, neutral, or negative without having to read them. In this context, customer reviews from Etstur, a hotel reservation platform, were analyzed using deep learning methods. After applying word embedding techniques such as Random, Word2Vec, FastText, GloVe, and BERT to the dataset, deep learning techniques, including the CNN-LSTM hybrid model, GRU model, and DENSE layer, were employed for analysis. The highest accuracy was achieved using the CNN-LSTM deep learning model following the application of the GloVe word embedding technique. | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12451/13106 | |
| dc.identifier.yoktezid | 927299 | |
| dc.institutionauthor | Akgün, Muhammed Kaan | |
| dc.institutionauthorid | 0009-0007-3347-6346 | |
| dc.language.iso | tr | |
| dc.publisher | Aksaray Üniversitesi, Sosyal Bilimler Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Makine Öğrenmesi | |
| dc.subject | Derin Öğrenme | |
| dc.subject | Metin Madenciliği | |
| dc.subject | Duygu Analizi | |
| dc.subject | GloVe | |
| dc.subject | BERT | |
| dc.subject | Machine Learning | |
| dc.subject | Deep Learning | |
| dc.subject | Text Mining | |
| dc.subject | Sentiment Analysis | |
| dc.title | Otel firmalarına yapılan yorumların metin madenciliği ve derin öğrenme yöntemleri ile analizi | |
| dc.title.alternative | Analysis of reviews made to hotel companies using text mining and deep learning methods | |
| dc.type | Master Thesis |
