KaydedilenlerDerginizi ekleyin

Dergiler / Gümüşhane Üniversitesi Fen Bilimleri Dergisi / 2021 / Cilt: 11 - Sayı: 1

Duygu analizi ve yapay sinir ağı kullanılarak envanter rotalama problemi için talep tahmini

Demand forecasting for inventory routing problem using artificial neural network and sentiment analysis

Rızvan EROL
Aslı BORU İPEK
Ayşe Tuğba DOSDOĞRU
Sayfa
126–134
Yayın Tarihi
2022-10-18
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)

Çalışmanın sonuçları, duygu analizi içeren melez metodolojinin kullanımının envanter rotalama problemini başarılı bir şekilde analiz edebileceğini göstermiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Sosyal medya kullanıcılarının sayısı her geçen gün katlanarak artmaktadır.
📊
Temel Bulgular & Veri:Bu nedenle, tedarik zincirine değerli bilgiler sağlamak için çeşitli yöntemler kullanılmaktadır.
💡
Sonuç & Katkı:Çalışmanın sonuçları, duygu analizi içeren melez metodolojinin kullanımının envanter rotalama problemini başarılı bir şekilde analiz edebileceğini göstermiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Duygu analizi · Envanter rotalama problemi · Simülasyon optimizasyonu

Özet

Sosyal medya kullanıcılarının sayısı her geçen gün katlanarak artmaktadır. Bu gelişme, tedarik zincirinde iş zekasının ilerletilmesinde önemli fırsatlar sunduğu için araştırmacıları ve yöneticileri sosyal medya ve müşteri duygularını analiz etmeye teşvik etmektedir. Ancak, tedarik zinciri üyeleri günümüz iş dünyasında genel duyguları anlamakta zorlanmaktadır. Bu nedenle, tedarik zincirine değerli bilgiler sağlamak için çeşitli yöntemler kullanılmaktadır. Bu çalışmada, SentiStrength tek bir ürün ile ilgili müşteri yorumlarını analiz etmek için kullanılmaktadır. Daha sonra, SentiStrength'in çıktısı ve ürün talepleri, müşteri taleplerini tahmin etmek için Yapay Sinir Ağına beslenmiştir. Ardından, tahmin edilen müşteri talepleri kullanılarak envanter rotalama problemini çözmek için Baskılanamayan Sıralamalı Genetik Algoritma II (NSGA-II) tabanlı simülasyon optimizasyonu kullanılmıştır. Çalışmanın sonuçları, duygu analizi içeren melez metodolojinin kullanımının envanter rotalama problemini başarılı bir şekilde analiz edebileceğini göstermiştir.

Abstract

Social media users have been growing exponentially in recent years. This growth has evoked researchers and manager to analyze the social media and customer sentiment because it offers significant opportunities to advance business intelligence in supply chain. However, supply chain members are struggling in understanding the general sentiments in today’s business world. Therefore, various methods are used to provide valuable insights in supply chain. In this paper, SentiStrength is used to analyze customer reviews related to one type of product. The output of SentiStrength and demands of the product are then fed into Artificial Neural Network to forecast the customer demands. After, nondominated sorting genetic algorithm II (NSGA-II) based simulation optimization is employed to solve the inventory routing problem using forecasted customer demands. The results of the study demonstrated that the use of hybrid methodology containing sentiment analysis can successfully analyze the inventory routing problem.

🔖

Bu Makaleye Atıf Yap

EROL, R., İPEK, A. B., DOSDOĞRU, A. T. (2022). Duygu analizi ve yapay sinir ağı kullanılarak envanter rotalama problemi için talep tahmini. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, Cilt: 11 - Sayı: 1, 126–134. https://ajindex.com/articles/526851

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (8)

  1. Ahn, H.-I. and Spangler, W. S. (2014). Sales prediction with social media analysis. In 2014 Annual Service Research and Innovation Institute Global Conference (ss. 213−222). https://doi.org/10.1109/SRII.2014.37
  2. Avci, M. G. ve Selim, H. (2017). A multi-objective, simulation-based optimization framework for supply chains with premium freights. Expert Systems With Applications, 67, 95–106. https://doi.org/10.1016/j.eswa.2016.09.034
  3. Balaji, S. M. E. (2015). Predicting sentiment analysis from online reviews. International Research Journal of Engineering and Technology, 2(9), 528−531. Boru, A. Dosdoğru, A.T. Göçken, M. ve Erol, R. (2019). A novel hybrid artificial intelligence based methodology for the inventory routing problem. Symmetry, 11, 717. https://doi.org/10.3390/sym11050717
  4. Chen, D. Sain S. L. ve Guo, K. (2012). Data mining for the online retail industry: A case study of RFM model-based customer segmentation using data mining. Journal of Database Marketing & Customer Strategy Management, 19, 197–208. https://doi.org/10.1057/dbm.2012.17
  5. Deb, K. Pratap, A. Agarwal, S. ve Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182–197. DOI: 10.1109/4235.996017 Deniz, A. ve Kiziloz, H. E. (2017). Effects of various preprocessing techniques to Turkish text categorization using n-gram features. In 2017 International Conference on Computer Science and Engineering (ss. 655−660). https://doi.org/10.1109/UBMK.2017.8093491
  6. Dey, L. Chakraborty, S. Biswas, A. Bose, B. ve Tiwari, S. (2016). Sentiment analysis of review datasets using Naive Bayes and K-NN classifier. International Journal of Information Engineering and Electronic Business, 4, 54–62. https://doi.org/10.5815/ijieeb.2016.04.07
  7. Fan, Z.-P. Che, Y.-J. ve Chen, Z.-Y. (2017). Product sales forecasting using online reviews and historical sales data: A method combining the Bass model and sentiment analysis. Journal of Business Research, 74, 90−100. https://doi.org/10.1016/j.jbusres.2017.01.010
  8. Gaikar, D. ve Marakarkandy, B. (2015). Product sales prediction based on sentiment analysis using twitter data. International Journal of Computer Science and Information Technologies, 6(3), 2303−2313. Gezici, G. ve Yanıkoglu B. (2018). Sentiment analysis in Turkish. Turkish Natural Language Processing. Theory and Applications of Natural Language Processing (ss. 255−271). Springer. Jadav, B. M. ve Vaghela, V. B. (2016). Sentiment analysis usin