KaydedilenlerDerginizi ekleyin

Dergiler / Abant Sosyal Bilimler Dergisi / 2022 / Cilt: 22 - Sayı: 2

TRIPADVISOR KULLANICILARININ TÜRKÇE VE İNGİLİZCE YORUMLARI KAPSAMINDA DUYGU ANALİZİ YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ

COMPARATIVE ANALYSIS OF EMOTION ANALYSIS METHODS WITHIN THE SCOPE OF HOTEL USERS TURKISH AND ENGLISH COMMENTS

Hıdır POLAT
Yılmaz AĞCA
Sayfa
901–916
Yayın Tarihi
2022-07-31
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)

Ayrıca makine öğrenme algortimaları sınıflandırma aşamasında Türkçe dilindeki yorumlarda daha başarılı sonuçlar üretmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Araştırmanın amacı, TripAdvisor kullanıcılarının Türkçe ve İngilizce yorumlarındaki duygusal eğilimlerin ortaya çıkarılması ve sınıflandırılmasında kullanılan duygu analizi yöntemlerini karşılaştırmaktır.
📊
Temel Bulgular & Veri:Araştırma neticesinde makine öğrenme algortimalarının sözlük tabanlı analize göre daha etkin sınıflandırma gerçekleştirdiği görülmüştür.
💡
Sonuç & Katkı:Ayrıca makine öğrenme algortimaları sınıflandırma aşamasında Türkçe dilindeki yorumlarda daha başarılı sonuçlar üretmiştir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Kullanıcı yorumları · veri madenciliği · metin madenciliği

Özet

Araştırmanın amacı, TripAdvisor kullanıcılarının Türkçe ve İngilizce yorumlarındaki duygusal eğilimlerin ortaya çıkarılması ve sınıflandırılmasında kullanılan duygu analizi yöntemlerini karşılaştırmaktır. Amaç kapsamında makine öğrenme yöntemlerinden Decision Tree, Random Forest gibi sınıflandırma algoritmaları kullanılmıştır. Nicel araştırma özelliği gösteren bu çalışma kapsamında veriler, TripAdvisor turizm portalından web kazıma tekniği ile elde edilmiştir. Amaçsal örnekleme yönteminin benimsendiği bu çalışmada verilerin analiz edilmesi sürecinde duygu analizi yöntemi kullanılmıştır. Veri analiz sürecinde açık kaynak kodlu KNİME veri madenciliği programından yararlanılmıştır. Araştırma neticesinde makine öğrenme algortimalarının sözlük tabanlı analize göre daha etkin sınıflandırma gerçekleştirdiği görülmüştür. Ayrıca makine öğrenme algortimaları sınıflandırma aşamasında Türkçe dilindeki yorumlarda daha başarılı sonuçlar üretmiştir.

Abstract

The aim of the research is to compare the sentiment analysis methods used to reveal and classify the emotional tendencies in Turkish and English comments of hotel users. Within purpose, classification algorithms such as Decision Tree and Random Forest from machine learning methods were used. The data was obtained from Tripadvisor tourism portal with web scraping/mining technique within the scope of this study, which shows quantitative research feature. A purposeful sampling method was used in this study. Emotion analysis, which is one of the text mining applications, was used to analyze the data. KNIME Analytics Platform was used in the data analysis process. As a result of the research, it was seen that the machine learning algorithms performed more effective classification than dictionary-based analysis. In addition, the machine learning algorithms produced more successful results in the Turkish language comments at the classification stage.

🔖

Bu Makaleye Atıf Yap

POLAT, H., AĞCA, Y. (2022). TRIPADVISOR KULLANICILARININ TÜRKÇE VE İNGİLİZCE YORUMLARI KAPSAMINDA DUYGU ANALİZİ YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ. Abant Sosyal Bilimler Dergisi, Cilt: 22 - Sayı: 2, 901–916. https://ajindex.com/articles/713930

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Ağca, Y. (2019), Çevrimiçi Seyahat Acentalarında Oda Fiyatlarına Etki Eden Faktörlerin Araştırılması (Yayınlanmamış Doktora Tezi), Erzurum: Atatürk Üniversitesi,
  2. Sosyal Bilimler Enstitüsü Ağca, Y. (2021), Otel Oda Fiyatlarını Açıklamada Makine Öğrenmesi Algoritmalarının Kıyaslanması, İşletme Araştırmaları Dergisi, 13(1), s.450-463.
  3. Alpar, R. (2010), Uygulamalı İstatistik ve Geçerlik-Güvenirlik: Spor, Sağlık ve Eğitim Bilimlerinden Örneklerle, Ankara:
  4. Detay Yayıncılık. Asani, E., Vahdat-Nejad, H. ve Sadri, J. (2021), Restaurant Recommender System Based on Sentiment Analysis, Machine Learning with Applications, 6, s.100-114. https://doi.org/10.1016/J.MLWA.2021.100114
  5. Ballantine, P. W., Lin, Y. ve Veer, E. (2015), The İnfluence of User Comments on Perceptions of Facebook Relationship Status Updates, Computers in Human Behavior, 49, s.50–55. https://doi.org/10.1016/J.CHB.2015.02.055
  6. Berthold, M. R., Cebron, N., Dill, F., Gabriel, T. R., Kotter, T., Meinl, T., Ohl, P., Thiel, K. ve Wiswedel, B. (2009), KNIME-The Konstanz Information Miner Version 2.0 and Beyond, 11(1), s.26-31. https://doi.org/10.1145/1656274.1656280
  7. Chen, Y., Liu, D., Liu, Y., Zheng, Y., Wang, B. ve Zhou, Y. (2022), Research on User Generated Content in Qvea System and Online Comments Based on Text Mining, Alexandria Engineering Journal, 61(10), s.7659–7668. https://doi.org/10.1016/J.AEJ.2022.01.020
  8. Chatterjee, S. (2019), Explaining customer ratings and recommendations by combining qualitative and quantitative user generated contents, Decision Support Systems, 119, s. 14–22. https://doi.org/10.1016/J.DSS.2019.02.008
  9. Chittiprolu, V., Samala, N. ve Bellamkonda, R. S. (2021), Heritage Hotels and Customer Experience: A Text Mining Analysis of Online Reviews, International Journal of Culture, Tourism and Hospitality Research, 15(2), s.131-156.
  10. Dandıl, E. ve Karakurt, B. (2019), Sosyal Medya Uygulamalarında Kullanıcı Yorumlarının Metin Madenciliği ile Sınıflandırılması, International Congress on HumanComputer Interaction, Optimization and Robotic Applications, s.203–207.
  11. Dean, J. (2014),
  12. Big Data, Data Mining, and Machine Learning: Value Creation for Business Leaders and Practitioners, New Jersey: John Wiley ve Sons. Dehkharghani, R., Yanikoglu, B., Saygin, Y. ve Oflazer, K. (2016), Sentiment Analysis in Turkish at Different Granularity Levels, Natural Language Engineering, 23(4), s.535–559. https://doi.org/10.1017/S1351324916000309
  13. Deng, S., Sinha, A. P. ve Zhao, H. (2017), Adapting Sentiment Lexic