Derin öğrenme yöntemiyle mağaza yorumları üzerinden duygu analizi: Amazon örneği

Günümüzde e-ticaret ve modern lojistik hızla gelişmektedir. Bu internet çağının ayırt edici özelliklerinden biri, daha fazla insanın alışveriş tercihlerini e-ticaret platformu aracılığıyla çevrimiçi ürün satın almaya çevirmesidir. Ancak online alışveriş sadece sanal ürünlerde gezinmeye izin verdiği ve ürünün fiziksel olarak görülmediği için ürün açıklaması ile ürünler arasındaki tutarsızlıktan dolayı birçok sorun ortaya çıkmaktadır. Ürünün açıklamalarıyla eşleştiğinden emin olmak açısından müşteriler ürün incelemelerini önemli bir referans olarak kullanır. Bu nedenle ürün incelemeleri ürünleri değerlendirmek için temel bir indeks olmalıdır. Bu çalışma hem metinsel yorumları hem de birden beşe kadar değişen yıldız derecelendirmelerini kapsayan Amazon ürün incelemelerine odaklanan bir vaka çalışması sunmaktadır. Metinsel yorumlarla verilen oylamalar arasındaki tutarlılığı değerlendirmekte olup bu zorluğun üstesinden gelmek için Destek Vektör Makinesi, Karar Ağacı (DT)ve K-En Yakın Komşu gibi bir dizi klasik algoritmanın yanı sıra popüler derin öğrenme Uzun Kısa Süreli Bellek (LSTM) teknikleri de ele alınmaktadır. Bu çalışma, modellerin performanslarının karşılaştırılması ile derin öğrenme modelinin gizli katman sayısına bağlı olarak doğruluk eğiliminin incelenmesi gibi çeşitli model karşılaştırmalarını kapsamaktadır. Çalışmanın ön işleme bölümünde veri seti eğitim, doğrulama ve test olmak üzere üç bölüme ayrılmıştır. Çalışmanın sonucu ise LSTM modelinin %98 gibi etkileyici bir oranla en yüksek doğruluk oranına ulaştığını gösterirken DT modeli %77.8 ile en düşük doğruluk oranını sergilemiştir.