AI Summary & Key Takeaways
AI InsightAccuracy, F1 Score, Recall, Precision metrics were used as performance measures.
📌 3 Key Takeaways
Abstract
Understanding and classifying sentiment content in textual data is an important requirement for many industries. Text-based data such as social media platforms, customer feedback and product reviews are a rich source of human emotions and opinions. Extracting meaningful information from this text data and understanding the emotional content helps businesses make strategic decisions, develop products and improve their services. Machine learning methods are widely used to perform sentiment analysis on large amounts of text data. These methods are used to process text data, extract features, train models and classify emotional content. Natural language processing techniques are used to solve a range of problems such as increasing an application's user satisfaction, improving its services or optimising marketing strategies. In this study, emotional tones are determined by analysing course comments in the Udemy application. Prediction is made by classifying positive or negative comments. Udemy application comments on Google Play were used and sentiment analysis is performed using K-Nearest Neighbour (KNN) and Random Forest Classification (RFC) algorithms. As a result of the analyses, it was observed that the KNN algorithm predicted with 84% accuracy. Accuracy, F1 Score, Recall, Precision metrics were used as performance measures.
Özet
Metinsel verilerdeki duygu içeriğini anlamak ve sınıflandırmak, birçok endüstri için önemli bir gerekliliktir. Sosyal medya platformları, müşteri geri bildirimleri ve ürün incelemeleri gibi metin tabanlı veriler, insan duygularının ve görüşlerinin zengin bir kaynağıdır. Bu metin verilerinden anlamlı bilgi çıkarmak ve duygu içeriği anlamak, işletmelerin stratejik kararlar almasında, ürün geliştirmelerinde ve hizmetlerini iyileştirmesinde yardımcı olmaktadır. Makine öğrenmesi yöntemleri, büyük miktarda metin verisi üzerinde duygu analizi yapmak için yaygın olarak kullanılır. Bu yöntemler, metin verilerini işlemek, öznitelikler çıkarmak, model eğitmek ve duygusal içeriği sınıflandırmak için kullanılmaktadır. Doğal dil işleme teknikleri, bir uygulamanın kullanıcı memnuniyetini artırmak, hizmetlerini geliştirmek veya pazarlama stratejilerini optimize etmek gibi bir dizi problemi çözmek için kullanılır. Bu çalışmada, Udemy uygulamasındaki kurs yorumları analiz edilerek duygusal tonlar belirlenmektedir. Olumlu veya olumsuz yorumlar sınıflandırılarak tahmin yapılmaktadır. Google Play’de bulunan Udemy uygulaması yorumları kullanılmış olup K-En Yakın Komşu (KNN) ve Rastgele Orman Sınıflandırma (RFC) algoritmaları kullanılarak duygu analizi yapılmıştır. Yapılan analizler sonucunda KNN algoritmasının %84 doğrulukla tahmin yaptığı gözlemlenmiştir. Performans ölçütü olarak Doğruluk, F1 skoru, duyarlılık ve kesinlik metrikleri kullanılmıştır.