Arapça, Türkçe ve İngilizce dillerindeki e-ticaret verilerinden duygu analizi ile müşteri memnuniyet tespiti

Duygu analizi, doğal dil işleme alanında Transformer tabanlı modellerin kullanımıyla dilin yapısını ve anlamını anlama konusunda büyük bir ilerleme sağlamakta ve dil işleme süreçlerine yeni bir boyut kazandırmaya devam etmektedir. Ancak, farklı dillerde yapılan duygu analizi çalışmaları, dilin yapısal özellikleri, kültürel farklılıklar ve dil bilgisel çeşitliliklerden kaynaklanan zorlukları da beraberinde getirmektedir. İngilizce, Türkçe ve Arapça gibi yapısal olarak karmaşık dillerde, duygu tespitinde kullanılan modellerin performansı ve uygun model seçimi, bu dillerin benzersiz niteliklerine uyum sağlama yeteneklerine bağlı olarak önemli ölçüde değişiklik gösterebilmektedir. Bu tez çalışması, İngilizce, Türkçe ve Arapça gibi yapısal olarak karmaşık dillerde yazılmış metinlerden duygu analizi yapmak için kullanılan Makine Öğrenmesi, Derin Öğrenme ve Transformer tabanlı modellerin performanslarını incelemektedir. Çalışmanın amacı, bu modellerin farklı dil özelliklerine adaptasyon süreçlerini analiz ederek güçlü ve zayıf yönlerini belirlemek ve çevresel etkilerini değerlendirerek sürdürülebilir yapay zekâ çözümleri sunmaktır. E-ticaret platformlarından toplanan çok dilli veri setleri üzerinde metin temizleme, etiketleme ve ön işleme adımları uygulanmıştır. Bu veri setleri, dillerin yapısal karmaşıklığını yansıtmakta ve Transformer tabanlı modellerin bu özelliklere uyumunu değerlendirmektedir. Modeller doğruluk oranları, işlem süreleri ve enerji tüketimi kriterlerine göre kapsamlı bir şekilde karşılaştırılmıştır. Elde edilen bulgular, Transformer tabanlı modellerin yüksek doğruluk oranları sunduğunu ancak enerji tüketimi açısından optimizasyon gerektirdiğini göstermektedir. Bert-base-multilingual-cased modeli Arapça dilinde %95,1 doğruluk oranı ile, ElecTRa, ConvBERTurk ve BERTurk modelleri ise Türkçe analizlerde %88 doğruluk oranı ile öne çıkmıştır. Bu tez, çok dilli doğal dil işleme uygulamalarında teknik gelişmelere katkı sağlamayı ve sürdürülebilir yapay zekâ bilincini artırmayı hedeflemektedir. Literatürle yapılan karşılaştırmalar, gelecekteki araştırmalara rehberlik edecek önemli bir kaynak sunmaktadır.