Tez detayları

Makine öğrenmesi yöntemleriyle gerçek olmayan tüketici yorumlarının tespiti = Detecting deceptive customer reviews using machine learning methods

Yazarlar:

Güldan, Suat

Yayıncı:

İstanbul Kültür Üniversitesi

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Belge Tipi:

Tezler

Program Tipi:

Yüksek Lisans

Yayın Tarihi:

12/2013

Belge Dili:

Türkçe

Document ID (Org No.):

2000176809

Özet

The competition among companies has been considerably increased in the recent years due to the significant developments in online shopping of services and the widespread usage of e-commerce. The product reviews became a primary factor shaping the buyers' decisions. Due to this factor, product reviews created a marketing area for fake reviews about products and services. In this thesis, a model which uses a multiple classifier system has been proposed to identify the negative deceptive customer reviews and the validation has been performed on a dataset which consists of hotel reviews. The proposed model has a better performance than the best model reported in literature for this problem. In this model, five classifiers have been applied by using majority voting combination rule. These classifiers are libLinear, libSVM, Sequential Minimal Optimization (SMO), Random Forest and J48. LibSVM and libLinear are two different implementations of support vector machines.

Çevrimiçi hizmetlerin gelişmesi ve e-ticaretin yaygınlaşması sonucu, firmalar arası rekabet giderek artmıştır. Bu bağlamda ürün yorumları, satın alıcıların kararlarını şekillendiren önemli bir faktör olarak ortaya çıkmıştır. Bu etkinin sonucu olarak ürün yorumları, ürün ve hizmetler hakkında aldatıcı yorumların yapılabileceği bir pazarlama alanı oluşturmuştur. Bu tezde, olumsuz aldatıcı tüketici yorumlarını tespit edebilmek üzere, çoklu sınıflayıcılı sistemler kullanılarak bir model önerilmiş ve önerilen modelin otel yorumları ile ilgili olarak hazırlanmış olan veri kümesinde geçerlenmesi sağlanmıştır. Önerilen model, üzerinde çalışılan problem için literatürdeki en iyi modelden daha yüksek performans sunmuştur. Bu modelde beş sınıflayıcı çoğunluk oylaması birleşim kuralına göre kullanılmıştır. Bu sınıflayıcılar libLinear, libSVM, ardışık minimal optimizasyon (SMO), Random Forest ve J48'dir. LibSVM ve libLinear, Destek Vektör Makinelerinin (DVM) iki farklı gerçeklemesi olarak bilinmektedir.

Tez detayları

Makine öğrenmesi yöntemleriyle gerçek olmayan tüketici yorumlarının tespiti = Detecting deceptive customer reviews using machine learning methods

Yazarlar: Güldan, Suat

Yayıncı: İstanbul Kültür Üniversitesi

Ana Başlıklar: Veri işleme & bilgisayar bilimi

Belge Tipi: Tezler

Program Tipi: Yüksek Lisans

Yayın Tarihi: 12/2013

Belge Dili: Türkçe

Document ID (Org No.): 2000176809