• Anasayfa
  • Hakkında
  • Politika
  • İletişim
    • Türkçe
    • English
  • Türkçe 
    • Türkçe
    • English
  • Giriş
Gelişmiş Arama
Öğe Göster 
  •   Ana Sayfa
  • İKÜ Tezler / IKU Theses
  • Lisansüstü Eğitim Enstitüsü
  • Yüksek Lisans Tezleri / Master's Theses
  • Bilgisayar Mühendisliği Yüksek Lisans Programı / Computer Engineering Master's Degree Program
  • Öğe Göster
  •   Ana Sayfa
  • İKÜ Tezler / IKU Theses
  • Lisansüstü Eğitim Enstitüsü
  • Yüksek Lisans Tezleri / Master's Theses
  • Bilgisayar Mühendisliği Yüksek Lisans Programı / Computer Engineering Master's Degree Program
  • Öğe Göster
JavaScript is disabled for your browser. Some features of this site may not work without it.

Makine Öğrenmesi Yöntemleriyle Gerçek Olmayan Tüketici Yorumlarının Tespiti

Thumbnail
Yazar
Güldan, Suat
Türü
Thesis
Tarih
2014-07
Dil
tr
Üst veri
Tüm öğe kaydını göster
Özet
Çevrimiçi hizmetlerin gelişmesi ve e-ticaretin yaygınlaşması sonucu, firmalar arası rekabet giderek artmıştır. Bu bağlamda ürün yorumları, satın alıcıların kararlarını şekillendiren önemli bir faktör olarak ortaya çıkmıştır. Bu etkinin sonucu olarak ürün yorumları, ürün ve hizmetler hakkında aldatıcı yorumların yapılabileceği bir pazarlama alanı oluşturmuştur. Bu tezde, olumsuz aldatıcı tüketici yorumlarını tespit edebilmek üzere, çoklu sınıflayıcılı sistemler kullanılarak bir model önerilmiş ve önerilen modelin otel yorumları ile ilgili olarak hazırlanmış olan veri kümesinde geçerlenmesi sağlanmıştır. Önerilen model, üzerinde çalışılan problem için literatürdeki en iyi modelden daha yüksek performans sunmuştur. Bu modelde beş sınıflayıcı çoğunluk oylaması birleşim kuralına göre kullanılmıştır. Bu sınıflayıcılar libLinear, libSVM, ardışık minimal optimizasyon (SMO), Random Forest ve J48'dir. LibSVM ve libLinear, Destek Vektör Makinelerinin (DVM) iki farklı gerçeklemesi olarak bilinmektedir.
 
The competition among companies has been considerably increased in the recent years due to the significant developments in online shopping of services and the widespread usage of e-commerce. The product reviews became a primary factor shaping the buyers' decisions. Due to this factor, product reviews created a marketing area for fake reviews about products and services. In this thesis, a model which uses a multiple classifier system has been proposed to identify the negative deceptive customer reviews and the validation has been performed on a dataset which consists of hotel reviews. The proposed model has a better performance than the best model reported in literature for this problem. In this model, five classifiers have been applied by using majority voting combination rule. These classifiers are libLinear, libSVM, Sequential Minimal Optimization (SMO), Random Forest and J48. LibSVM and libLinear are two different implementations of support vector machines.
 
Konu
Metin Sınıflandırma
Text Categorization
Oylama
Voting
Veri Madenciliği
Data Mining
Bağlantı
http://hdl.handle.net/11413/882
Koleksiyonlar
  • Bilgisayar Mühendisliği Yüksek Lisans Programı / Computer Engineering Master's Degree Program [32]

İstanbul Kültür University

Hakkında |Politika | Kütüphane | İletişim | Send Feedback | Admin

Istanbul Kültür University, Ataköy Campus E5 Karayolu Üzeri Bakırköy 34158, İstanbul / TURKEY
Copyright © İstanbul Kültür University

Creative Commons Lisansı
IKU Institutional Repository, Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.

Designed by  UNIREPOS

İKU Kütüphane


Göz at

Tüm DSpaceBölümler & KoleksiyonlarTarihe GöreYazara GöreBaşlığa GöreKonuya GöreTüre GöreDile göreYayıncıya GöreErişim Hakkına GöreBu KoleksiyonTarihe GöreYazara GöreBaşlığa GöreKonuya GöreTüre GöreDile göreYayıncıya GöreErişim Hakkına Göre

Hesabım

Giriş

İstanbul Kültür University

Hakkında |Politika | Kütüphane | İletişim | Send Feedback | Admin

Istanbul Kültür University, Ataköy Campus E5 Karayolu Üzeri Bakırköy 34158, İstanbul / TURKEY
Copyright © İstanbul Kültür University

Creative Commons Lisansı
IKU Institutional Repository, Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.

Designed by  UNIREPOS