Makine öğrenmesi ile e-ticaret ürün yorumlarının analizi

Günümüzde teknolojinin gelişmesiyle birlikte e-ticaret sektörü hızlı bir büyüme sağlamıştır. E-ticaretin gelişmesiyle ürünlere yapılan yorumlar da muazzam bir şekilde artmış ve bunları tek tek inceleyip analiz etmek zorlaşmıştır. Satıcılar yorumların hepsini değerlendiremez duruma gelmiştir. Ayrıca yararlı yorumlar gözden kaçabilmekte ve yorumların tam olarak ne hakkında olduğu da tespit edilememektedir. Bu problemler karşısında yapay zekâ destekli bir otomasyon ihtiyacı ortaya çıkmıştır. Bu çalışmada, otomasyonun ilk basamağı olarak görülen ürün yorumlarının sınıflandırılması için bir yöntem geliştirilmiştir. Öncelikle ülkemizde faaliyet gösteren e-ticaret platformlarından 15 bin 170 adet ürün yorumu toplanarak bu yorumlar olumlu, olumsuz ve nötr olarak farklı zamanlarda iki kere etiketlenmiş ve nötr yorumlar çıkarılarak iki sınıflı bir veri seti hazırlanmıştır. Bu veri seti ile Uzun-Kısa Süreli Bellek (Long-Short Term Memory – LSTM) algoritması kullanılarak bir model geliştirilmiş ve bu modelle yine e-ticaret platformlarından toplanan 203 bin 274 adet yorumun yer aldığı veri seti otomatik olarak etiketlenmiştir. Bu sayede manuel ve otomatik etiketlenmiş olarak elde edilen iki veri seti kullanılarak derin öğrenme ve geleneksel makine öğrenmesi algoritmaları ile deneyler yapılmıştır. Çalışma sonucunda, derin öğrenme algoritmalarının makine öğrenmesi algoritmalarına kıyasla daha başarılı olduğu gözlemlenmiş ve geliştirilen modelle otomatik etiketlenen veri setinin kullanıldığı deneylerde yüksek sonuçlar elde edilmiştir. Oluşturulan sınıflandırma modelinin kullanıldığı bir web tabanlı uygulama geliştirilerek ürün yorumlarının otomatik sınıflandırılması ve akademik çalışmalarda otomatik etiketlenmiş veri seti oluşturma problemlerine çözüm sunulmuştur.