Citation Number
7
Views
53
Downloands
7
Amaç – Günümüzde tüketiciyi hızlı anlamanın yollarından biri, onların ürün ya da hizmetler ile ilgili geri bildirimlerini hızlı ve doğru biçimde analiz etmektir. Bu anlamda geribildirimlerin içindeki duygunun bilgisayar temelli tekniklerle anlaşılması izlenecek yollardan biridir. Bu çalışmada, otel müşterilerinin geri bildirimlerinde gizli olan duyguların otelden aldıkları hizmete dair derecelemeleriyle örtüşme düzeyi araştırılmıştır. Yöntem – Araştırmada kullanılan yöntem makine öğrenmesi temelli duygu analizidir. Kullanılan veri seti, çevrimiçi bir rezervasyon sitesinden web kazıma yöntemiyle çekilen ve Antalya’da yer alan 164 otele ilişkin müşteri yorumlarından oluşmaktadır. Veri setindeki yorumların müşteriler tarafından yorumlara eklenilen beğeni dereceleri ile uyumluluğu; Lojistik Regresyon, Rastgele Orman (RF), Karar Ağacı (CART), K-En Yakın Komşu (KNN), Destek Vektör Makinaları (SVM), Doğrusal Diskriminant Analizi (LDA) ve Naïve Bayes (NB) olmak üzere yedi farklı makine öğrenme algoritmasının kullanıldığı ikili duygu sınıflandırma yöntemi ile test edilmiştir. Test sonucunda elde edilen karmaşıklık matrislerinin oluşturulmasıyla model başarım ölçütleri hesaplanmıştır. Duygu sınıflandırmasının başarıyla yapılmasının yanı sıra elde edilen modellerin performansları karşılaştırılarak görselleştirilmiştir. Bulgular – Denetimli duygu sınıflandırmada kullanılan algoritmaların ortalama sınıflandırma başarısı %81,30 olarak hesaplanırken, bunların içerisinde en başarılı sonuç üreten algoritmanın Lojistik Regresyon (%87,99) olduğu anlaşılmıştır. Kullanılan yöntemler başarı sırası ile Lojistik Regresyon (%87,99), Destek Vektör Makinaları (%86,84), Doğrusal Diskriminant Analizi (%86,24), Naïve Bayes (%82,66), Rastgele Orman (%82,00), Karar Ağaçları (%76,92) ve K-En Yakın Komşu (%63,91) şeklinde sıralanmıştır. Tartışma – Çalışmada uygulanan modelin, literatürle paralel olarak, otel işletmelerinin yöneticilerinin hızlı, tutarlı ve maliyet etkin pazarlama kararları almalarında bir araç olarak kullanılabileceği ve otel işletmeleri adına katma değer üretilebileceği öne sürülmüştür. Çalışmanın gerek konaklama işletmelerinin paydaşlarına gerekse bu konuda çalışma yapacak araştırmacılara destek sağlayacağı düşünülmektedir. Dahası, bu çalışmada Türkiye’nin ya da daha küresel turizm memnuniyeti yerine Antalya ilindeki otel hizmetlerinden duyulan memnuniyet incelenmiştir. Bu çalışma, Türkiye’deki gerek farklı minimal lokasyonlar gerekse daha büyük bölgesel incelemeler için benzer çalışmalar ile genişletilebilecektir. Daha ileride yapılacak çalışmalarda farklı dil kütüphaneleri kullanarak da çok dilli uygulamaların gerçekleştirilebilmesi mümkün olacaktır. Ayrıca metinsel ifadelerin konaklama işletmeleri açısından başarılı ve hızlı bir şekilde çözümlenebileceğinin kanıtlanmasının yanı sıra maliyet, zaman ve işgücü kazancının oluşacağı ön görülmüştür.
One of the ways to quickly understand the consumer today is to quickly and accurately analyze their feedback on their products or services. In this sense, it is one of the ways to follow the understanding of the feeling within feedback by computer-based techniques. In this study, the level of matching the emotions that are hidden in the feedback of the hotel customers with the rating of the service they receive from the hotel. Method - The method used in research is machine learning-based emotional analysis. The data set used consists of customer reviews from an online booking site with the web mining method and 164 hotels located in Antalya. The compatibility of the reviews in the data set with the likes grades added to the reviews by customers; Logistic Regression, Rastgele Forest (RF), Decision Tree (CART), K-Najest Neighbor (KNN), Support Vector Machines (SVM), True Discriminatory Analysis (LDA) and Naïve Bayes (NB) have been tested with the dual emotion classification method used by seven different machine learning algorithms. With the creation of the complexity matrix achieved in the test result, the model success criteria are calculated. In addition to the successful classification of emotions, the performance of the models obtained is visualized by comparing. The average classification success of the algorithms used in the controlled sensual classification is estimated at 81.30%, while the most successful of these algorithms is logistical regression (87.99%). The methods used were ranked in logistics Regression (87.99%), Support Vector Machines (86.84%), Direct Discriminatory Analysis (86.24%), Naïve Bayes (82.66%), Rastgele Forest (82.00%), Decision Tree (76.92) and K-The Nearest Neighbor (63.91%). The model applied in the study, in parallel with literature, has been suggested that it can be used as a tool for hotel business managers to make quick, consistent and cost-effective marketing decisions and that it can produce added value on behalf of hotel business. It is believed that the work will help the stakeholders of the housing enterprises to work on this. In addition, this study examined the satisfaction heard from the hotel services in the province of Antalya instead of the satisfaction of Turkey or more global tourism. This study can be extended by similar studies for larger regional examinations if necessary different minimum locations in Turkey. In the future, it will be possible to implement multi-language applications using different language libraries. It has also been predicted that the proof that text expressions can be successfully and quickly resolved from the point of view of accommodation enterprises, as well as the cost, time and labour gain.
Field : Sosyal, Beşeri ve İdari Bilimler
Journal Type : Uluslararası
Article Detail 
Citation Owners
Similar Articles
Download PDF
Journal Information
Listen Paper
Print This Page
Share
Mendeley
