Tüketici yorumlarının fayda düzeyinin tahminlenmesine yönelik bir araştırma: Makine öğrenmesi algoritmalarının karşılaştırılması

Web 2.0'ın gelişmesiyle birlikte tüketiciler arasında çevrimiçi paylaşım platformlarında bilgi alışverişi yaygınlaşmış, tüketiciler arasındaki bilgi alışverişi sınırı neredeyse kalkmıştır. Tüketiciler, Web 2.0 ve teknolojileri öncesinde ancak kendi şehirlerinde, kendi mahallelerinde olan insanlar ile bilgi ve fikir alışverişinde bulunabilirken, bu iletişim türü yavaşça internet platformlarına taşınmış ve Elektronik Ağızdan Ağıza İletişim kavramını ortaya çıkarmıştır. Bu sayede tüketiciler, bir ürün veya hizmet hakkında, sadece kendi çevresinde değil dünyanın her yerinde bulunan tüketicilerle bilgi alışverişinde bulunabilmektedir. Gelişen teknolojiler ve tüketicilerin internet kullanım alışkanlarının da gelişmesiyle, tüketicinin faydasına olacak bilgiye ulaşmak da zorlaşmaktadır. Çevrimiçi alışveriş platformları, faydalı bilginin tespiti ve ön plana çıkması için çeşitli yöntemler sunsa da bir tüketici yorum ve değerlendirmesinin faydalı olmasının belirlenmesi, diğer tüketicilerin onayına bağlıdır. Makine öğrenmesi alanında yaşanan gelişmeler, her geçen gün bir başka işin makinelere devredilmesine olanak sağlıyor. Bu sayede, insanların hiç müdahalesi olmadan ya da çok az müdahalesi olarak tekrarlı işler veya kontrol süreçleri otomatik bir şekilde ilerleyebilmektedir. Makine öğrenmesinin bir dalı olan denetimli öğrenme, belirli etiket veya sınıflara sahip veri gruplarının özniteliklerini öğrenerek, etiketi veya sınıfı belli olmayan varlıkların etiketlenmesinde ya da sınıflandırılmasında kullanılabilmektedir. Çalışmanın ilk bölümü ağızdan ağıza iletişim, Web 1.0 ve Web 2.0, faydalı tüketici değerlendirmesi ile ilgili genel bilgiler içermektedir. İkinci bölüm ise, algoritmanın ne olduğu, verinin ne olduğu, veri ön işleme süreçleri, makine öğrenmesi, denetimli öğrenme ve alt başlıkları, denetimsiz öğrenme, pekiştirmeli öğrenme ve makine öğrenmesi algoritmalarını sınamak ile ilgili bilgiler içermektedir. Çalışmanın üçüncü bölümü, araştırma modeli, veri alma süreçleri, veri ön işleme, öznitelik çıkarımı, modellerin eğitilmesi ve test edilmesini içermektedir. Çalışmada 6 farklı denetimli makine öğrenmesi algoritması, çevrimiçi alışveriş platformunda bir ürüne yazılmış tüketici değerlendirmelerinden elde edilen özniteliklerle eğitilerek, yeni bir kullanıcı değerlendirmesinin, tüketiciler tarafından faydalı olarak işaretlenip işaretlenmeyeceği tahmin edilmeye çalışılmıştır. Algoritmalar, doğruluk, ROC eğrisi altında kalan alan ve F1 skorlarına göre sınanmış, farklı ürün kategorilerinden gelen tüketici değerlendirmeleri ile harici olarak da sınanmıştır. Bu çalışmanın, tüketicileri, diğer tüketicilere faydalı olacak bir tüketici değerlendirmesinin, diğer tüketicilerin onayına sunulmaksızın tespit edilebileceği bilgisiyle, yeni bir tüketici değerlendirmesi hazırlanması konusunda teşvik etmesi beklenmektedir.