E-TİCARET SİTELERİNDEKİ TÜRKÇE ÜRÜN YORUMLARI VERİSİ İLE DUYGU ANALİZİ

Abstract

Bu çalışma, e-ticaret sitelerindeki kullanıcı yorumlarından duygu analizi yapmayı hedeflemektedir. Günümüzde, internetin yaygınlaşması ve sosyal medya platformlarının popülerleşmesiyle birlikte, kullanıcıların ürünler, hizmetler ve çeşitli konular hakkındaki düşüncelerini paylaşma ve ifade etme imkânı artmıştır. Ancak, bu büyük veri kaynağının analiz edilmesi, insan gücüyle mümkün olmadığından, duygu analizi gibi yöntemlere başvurulması gerekmektedir. Duygu analizi, metin, ses veya görüntü gibi veri kaynaklarından insan duygularını anlamak ve çıkarsamak için kullanılan bir analiz yöntemidir. Bu tez çalışması, kullanıcı yorumlarını olumsuz, olumlu veya nötr olarak sınıflandırarak, hedef temelli duygu analizi ile daha detaylı sonuçlar elde etmeyi amaçlamaktadır. Elde edilen bulgular, önerilen ÇYUKSB (Çift Yönlü Uzun Kısa Süreli Bellek) tabanlı modelin diğer modellere göre daha iyi performans gösterdiğini göstermektedir. Bu model, olumsuz, olumlu ve nötr duygu durumlarını sınıflandırmak için yüksek doğruluk oranları elde etmiştir. Özellikle, duygu bilgisi katmanının eklenmesiyle duygusal öznitelikler daha iyi temsil edilmiş ve daha doğru sınıflandırma yapılmıştır. Karşılaştırmalı analiz sonuçları, derin öğrenme modellerinin metin tabanlı duygu analizi alanında güçlü bir potansiyele sahip olduğunu ve özellikle çift yönlü yaklaşımların etkili olduğunu göstermektedir. Bu çalışma, derin öğrenme tabanlı duygu analizi uygulamalarının gelecekteki potansiyelini vurgulamaktadır. Gelecek çalışmalarda, daha geniş veri kümeleri üzerinde çalışmak ve modelin daha karmaşık duygusal içeriği ele alması için geliştirilmesi gerekmektedir.

In this study, the aim is to conduct sentiment analysis from user comments on e-commerce sites. With the widespread use of the internet and the popularity of social media platforms today, users have more opportunities to share and express their thoughts about products, services, and various topics. However, analyzing this big data source is not feasible with human effort alone, hence the need for methods like sentiment analysis. Sentiment analysis is a method used to understand and infer human emotions from data sources such as text, voice, or images. This thesis aims to classify user comments as positive, negative, or neutral, aiming for more detailed results with target-based sentiment analysis. The findings indicate that the proposed BiLSTM (Bidirectional Long Short-Term Memory) based model outperforms other models. This model achieved high accuracy rates in classifying negative, positive, and neutral sentiment states. Particularly, the addition of the sentiment information layer improved the representation of emotional features and led to more accurate classification. Comparative analysis results demonstrate the strong potential of deep learning models in text-based sentiment analysis, especially highlighting the effectiveness of bidirectional approaches. This study emphasizes the future potential of deep learning-based sentiment analysis applications. Future work should focus on working with larger datasets and developing the model to handle more complex emotional content.