Duygu analizi ve yapay sinir ağı kullanılarak envanter rotalama problemi için talep tahmini
Öz
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.
Anahtar Kelimeler
Duygu analizi, Envanter rotalama problemi, Simülasyon optimizasyonu
Teşekkür
Aslı Boru Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) 2211-C Yurt İçi Öncelikli Alanlar Doktora Burs Programına teşekkür etmektedir.
Kaynakça
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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.