Dergiler / Uluslararası Yönetim Bilişim Sistemleri ve Bilgisayar Bilimleri Dergisi / 2020 / Cilt: 4 - Sayı: 2

RASTGELE ORMAN ALGORİTMALARI İLE OTEL ÖZELLİKLERİ ANALİZİ

HOTEL FEATURES ANALYSIS WITH RANDOM FOREST ALGORITHMS

Sayfa
123–132
Yayın Tarihi
2020-12-31
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Kalan özellikler üzerinde Rastgele Orman Algoritmaları çalıştırılarak yaş gruplarına, mevsimlere ve çocuklu ailelere göre önemli otel özellikleri belirlenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Günümüzde insanlar otel yelpazesinin çok geniş olması nedeniyle otel seçimlerini, kendi tercihleri doğrultusunda filtreleyerek gerçekleştirmek istemektedirler.
📊
Temel Bulgular & Veri:Farklı yaş grupları ve çocuklu ailelerin otellerden beklentileri değişmektedir.
💡
Sonuç & Katkı:Kalan özellikler üzerinde Rastgele Orman Algoritmaları çalıştırılarak yaş gruplarına, mevsimlere ve çocuklu ailelere göre önemli otel özellikleri belirlenmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Rastgele Orman Algoritmaları · Otel Özellikleri · Otel Öneri Sistemi

Özet

Günümüzde insanlar otel yelpazesinin çok geniş olması nedeniyle otel seçimlerini, kendi tercihleri doğrultusunda filtreleyerek gerçekleştirmek istemektedirler. Farklı yaş grupları ve çocuklu ailelerin otellerden beklentileri değişmektedir. Örneğin, çocuklu aileler çocuklarının da eğlenerek vakit geçirebilecekleri, denize yakın, kumlu plaja sahip olan otelleri tercih etmektedirler. Daha ileri yaş gruplarında sessiz, spa özellikleri olan oteller tercih edilebilmektedir. İnsanların tercihleri mevsimlere göre de değişiklik gösterebilmektedir. Bu nedenle otel rezervasyonu yapan şirketler için; belirli müşteri gruplarına, bütçeye, yerleşim bölgesine ve mevsimlere göre tercihlerin yorumlanabilmesi önem arz etmektedir. Bu çalışmada müşteri tercihlerinin otel özellikleri bakımından yorumlanabilmesi için, ilk olarak otel özellikleri frekans analizi yöntemi ile azaltılmıştır. Kalan özellikler üzerinde Rastgele Orman Algoritmaları çalıştırılarak yaş gruplarına, mevsimlere ve çocuklu ailelere göre önemli otel özellikleri belirlenmiştir.

Abstract

Today people want to choose hotels by filtering them according to their different features, because the hotel range is very wide. The expectations of different age groups and families with children also vary. For example, today's families with children prefer hotels that are close to the sea, have sandy beach and features where their children can have fun. At older age groups, quiet, spa hotels can be preferred. The choices of people can also change according to the seasons. For this reason, hotel features that stand out according to certain customer groups, budget, residental area and seasons are important for companies that book hotels to form an accurate suggestion system. In this study, firstly, hotel features were reduced by frequency analysis method. The important features were determined for age groups, seasons and families with children by Random Forest Algorithms.

🔖

Bu Makaleye Atıf Yap

ŞİRİN, S. (2020). RASTGELE ORMAN ALGORİTMALARI İLE OTEL ÖZELLİKLERİ ANALİZİ. Uluslararası Yönetim Bilişim Sistemleri ve Bilgisayar Bilimleri Dergisi, Cilt: 4 - Sayı: 2, 123–132. https://ajindex.com/articles/416536

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (6)

  1. Anonim, (2017). “Data types (Transact-SQL)”. https://docs.microsoft.com/en-us/sql/t-sql/data-types/data-types-transact-sql?view=sql-server-2017, Erişim T: 13.12.2020.
  2. Aras G., Ayhan G., Sarıkaya M., Tokuç A., Sakar C., (2019). “Forecasting Hotel Room Sales within Online Travel Agencies by Combining Multiple Feature Sets”. 8th International Conference on Pattern Recognition Applications and Methods, 565-573.
  3. Boz M., Canbazoğlu E., Özen Z., Gülseçen S., (2018). “Otel Rezervasyon İptallerinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi”. Veri Bilimi. 1(1): 7-14. Breiman L., (2004). “Consistency for a simple model of random forests”. Technical Report 670, Technical report, Department of Statistics, University of California, Berkeley, USA. Breiman L., (2001). “Random Forests”. Machine Learning. Kasper W., Vela M., (2012). “Sentiment Analysis for Hotel Reviews”. Speech Technology, 4. 96-109.
  4. Korkmaz D., Çelik E. H., Kapar M., (2018). “Sınıflandırma ve Regresyon Ağaçları ile Rastgele Orman Algoritması Kullanarak Botnet Tespiti”. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 23 (3): 297-307.
  5. Mavalankar, A., Gupta, A., Gandotra, C., Misra, R., (2019). “Hotel Recommendation System”. 10.13140/RG.2.2.27394.22728/1. Pedregosa F., (2011). “Scikit-learn: Machine Learning in Python”, JMLR 12, pp. 2825-2830.
  6. Sayar A., Turdaliev N., (2018). “Makine Öğrenmesi ile Adaptif Otel Öneri Sistemi”. 12th Turkish National Software Engineering Symposium, Istanbul, Turkiye. Yılmaz H., (2014). “Random Forests Yönteminde Kayıp Veri Probleminin İncelenmesi ve Sağlık Alanında Bir Uygulama”. (Yüksek Lisans Tezi). Eskişehir Osmangazi Üniversitesi Sağlık Bilimleri Enstitüsü Biyoistatistik Anabilim Dalı, Eskişehir, Türkiye.