@article{article_1815607, title={Amazon veri setinde tüketici duygularını değerlendirmek için derin öğrenme yaklaşımı}, journal={Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi}, volume={31}, pages={1276–1286}, year={2025}, DOI={10.5505/pajes.2025.45753}, author={Khalıd, Nazeeha Sayghn Khalid and Savaş, Serkan}, keywords={Tüketici duyarlılık analizi, Derin öğrenme, Uzun kısa süreli bellek, Amazon, Makine öğrenmesi}, abstract={Bu çalışmada, Amazon ürün yorumları kullanılarak tüketici duyarlılık analizinde makine öğrenmesi tekniğinin etkinliği araştırılmıştır. Çalışmanın ana hedefi, metinsel yorumlarla ilgili yıldız puanlamaları arasındaki uyumu değerlendirmek ve bu uyumu tahmin etmek için makine öğrenimi modellerini kullanmaktır. Çalışmada, Destek Vektör Makinesi, Karar Ağacı ve K-En Yakın Komşu gibi makine öğrenmesi algoritmalarının yanı sıra Uzun Kısa Süreli Bellek gibi derin öğrenme algoritması da kullanılmıştır. Bu modellerin performansları karşılaştırılmış ve derin öğrenme modellerinde gizli katman sayısının doğruluk üzerindeki etkisi analiz edilmiştir. Çalışmanın bulguları, Uzun Kısa Süreli Bellek ağlarının tüketici yorumlarındaki doğal dilin karmaşıklıklarını ele almadaki etkinliğini göstermektedir. Uzun Kısa Süreli Bellek modeli, %98’lik doğruluk oranı ile test veri setinde en iyi performansı sergilemiştir. Buna karşın Karar Ağacı modeli, %77.8’lik doğruluk oranı ile en düşük performansı sergilemiştir. Bu sonuçlar, farklı makine öğrenmesi tekniklerinin duyarlılık analizindeki etkinliğine dair önemli fikirler sağlamaktadır. Ayrıca, bu sonuçlar hızla gelişen bu alanda gelecekteki araştırmalar için de önemli bir temel oluşturmaktadır.}, number={7}, publisher={Pamukkale Üniversitesi}