TY - JOUR T1 - Sentiment Analysis and Automatic Response Generation for E-Commerce Comments TT - E-Ticaret Yorumları İçin Duygu Analizi ve Otomatik Yanıt Oluşturma AU - Postalcıoğlu, Seda AU - Macit, Ayşe PY - 2025 DA - June Y2 - 2024 DO - 10.38061/idunas.1596100 JF - Natural and Applied Sciences Journal JO - IDU Natural and Applied Sciences Journal (IDUNAS) PB - İzmir Demokrasi Üniversitesi WT - DergiPark SN - 2645-9000 SP - 18 EP - 25 VL - 8 IS - 1 LA - en AB - This study addresses the use of machine learning techniques for automatic classification of product reviews on e-commerce sites and generating appropriate responses. It was carried out with approximately 15,000 data labeled as positive, negative and neutral obtained from the "E-Commerce Product Reviews" data set. The TF-IDF vectorization method, which is a text mining technique, was used in the study. Multinomial Naive Bayes, Support Vector Machine, Random Forest, Logistic Regression techniques were used for sentiment analysis. As a result of the studies, the accuracy values of Multinomial Naive Bayes, Support Vector Machine, Random Forest, Logistic Regression algorithms show successful results as 87%, 88%, 85% and 88%, respectively. As a result, it was concluded that automatic comment analysis tools can be effective in improving customer relations for e-commerce sellers. KW - Sentiment Analysis KW - Text Mining KW - Automatic Classification N2 - Bu çalışma, e-ticaret sitelerindeki ürün yorumlarının otomatik sınıflandırılması ve uygun yanıtların üretilmesi amacıyla makine öğrenmesi tekniklerinin kullanılmasını ele almaktadır. "E-Ticaret Ürün Yorumları" veri setinden elde edilen olumlu, olumsuz ve nötr olarak etiketlenen yaklaşık 15.000 veri ile gerçekleştirilmiştir. Çalışmada metin madenciliği teknikleri olan TF-IDF vektörleme yönteminden faydalanılmıştır. Duygu analizi için Çok Terimli Naive Bayes (Multinomial Naive Bayes), Destek Vektör Makinesi (Support Vector Machine), Rassal Orman (Random Forest), Lojistik Regresyon (Logistic Regresyon) teknikleri kullanılmıştır. Yapılan çalışmalar sonucunda Çok Terimli Naive Bayes, Destek Vektör Makinesi, Rassal Orman, Lojistik Regresyon algoritmalarının doğruluk değerleri sırasıyla %87, %88, %85 ve %88 olmak üzere başarılı sonuçlar vermişlerdir. Sonuç olarak otomatik yorum analiz araçlarının e-ticaret satıcıları için müşteri ilişkilerini geliştirmede etkili olabileceği sonucuna ulaşılmıştır. CR - 1. Ulusoy, B. (2022). Ürün Yorumları Duygu Analizi. [Proje].Kaggle.https://www.kaggle.com/code/b arisulusoy/r-n-yorumlar-duygu-analizi (Erişim Tarihi: 30 Ekim 2023) CR - 2. Çabuk, M. (2022). E-Ticaret Ürün Yorumları [Veri seti]. Kaggle.https://www.kaggle.com/datasets/mujd atcabuk/eticaret-urun-yorumlari (Erişim Tarihi: 30 Ekim 2023) CR - 3. Çalış, K., Gazdağı, O., & Yıldız, O. (2013). Reklam İçerikli Epostaların Metin Madenciliği Yöntemleri ile Otomatik Tespiti. Bilişim Teknolojileri Dergisi, 6(1), 1-10. https://dergipark.org.tr/en/download/articlefile/ 75317 CR - 4. Çelik, Ö., & Koç, B. C. (2021). TF-IDF, Word2vec ve Fasttext Vektör Model Yöntemleri ile Türkçe Haber Metinlerinin Sınıflandırılması. Dergi Adı (DEUFMD), 23(67), 121-127. https://dergipark.org.tr/en/download/articlefile/ 940060 CR - 5. Onan, A., & Korukoğlu, S. (2016). Makine Öğrenmesi Yöntemlerinin Görüş Madenciliğinde Kullanılması Üzerine Bir Literatür Araştırması. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / Pamukkale University Journal of Engineering Sciences, 22(2), 111-122. https://jag.journalagent.com/pajes/pdfs/PAJES _22_2_111_122.pdf CR - 6. Tuzcu, S. (2020). Çevrimiçi Kullanıcı Yorumlarının Duygu Analizi ile Sınıflandırılması. ESTUDAM Bilişim, 1(2), 1–5. CR - 7. Ülgen Oğul, İ., Özcan, C., & Hakdağlı, Ö. (2017). Spark Destek Vektör Makinesi ile Metin Sınıflandırma. https://www.researchgate.net/profile/Caner- Ozcan-2/publication/321579721_Text_Classification_ with_Spark_Support_Vector_Machine/links/5a 27b7bba6fdcc8e866e7e35/Text-Classificationwith- Spark-Support-Vector-Machine.pdf CR - 8. Yang, L., Li, Y., Wang, J., & Sherratt, R. S. (2020). Sentiment Analysis for E-Commerce Product Reviews in Chinese Based on Sentiment Lexicon and Deep Learning. IEEE Access, 8, 23522-23530. https://doi.org/10.1109/ACCESS.2020.2969854 CR - 9. Postalcioglu, S., (2022). Design of Automatic Tool for Diagnosis of Pneumonia Using Boosting Techniques, Brazilian Archives of Biology and Technology. 2022, v. 65, pp:1-16. doi.org/10.1590/1678-4324-2022210322 UR - https://doi.org/10.38061/idunas.1596100 L1 - https://dergipark.org.tr/tr/download/article-file/4415829 ER -