Geri Dön

Türkiye'deki havayolu firmalarıyla ilgili sosyal medya yorumlarının makine öğrenmesi yöntemleriyle sınıflandırılması

Classification of social media comments about airline companies in Turkey by machine learning methods

PDF İndir

  1. Tez No: 701823
  2. Yazar: HATİCE ELİF EKİM
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Derin öğrenme, Hava yolları, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Metin sınıflandırma, Sosyal medya, Twitter, Deep learning, Airlines, Machine learning, Machine learning methods, Text categorization, Social media, Twitter
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Son yıllarda teknolojinin gelişmesi ve internet kullanım oranının artmasıyla mikroblog adı verilen sosyal medya platformları, milyarlarca insanın çeşitli konularda görüşlerini, fikirlerini, duygularını ve şikayetlerini paylaştığı platformlar haline gelmiştir. Sosyal medya kullanımının dünya genelinde yaygınlaşması ile şikayet, öneri, talep bildirimleri sadece web siteleri, telefon veya e-mail aracılığıyla değil, sosyal medya özellikle Twitter aracılığıyla da paylaşılmaktadır. Firmaların, Twitter aracılığı ile gerçekleştirdikleri hızlı geri dönüşler ve alınan aksiyonlar müşteri memnuniyeti açısından büyük önem arz etmektedir. Özellikle müşteriyle direkt iletişim halinde olması gereken hizmet sektörü, memnuniyeti artırmak ve daha iyi hizmet sunmak amacıyla müşterileriyle Twitter üzerinden iletişime geçmektedir. Bu tez çalışmasında, Türk havacılık sektöründe yer alan firmaların, misafirleriyle Twitter üzerinden gerçekleştirdikleri iletişimi hızlandırmak ve konunun şirket içinde ilgili departmana ulaşmasını kolaylaştırmak, harcanan insan eforunu ve hata payını en aza indirmek amacıyla metin madenciliği çalışması gerçekleştirilmiştir. Türk havayolu firmaları hakkında yapılan 14.406 adet Türkçe Twitter paylaşımı üzerinde, doğal dil işleme ve metin madenciliği çalışmaları gerçekleştirilerek, havayolu firmalarının web sitelerinde yer alan sık sorulan sorular başlıklarından belirlenen konu başlıklarına göre ilgili tweet'in hangi başlık altında yer aldığı, Naive Bayes, Destek Vektör Makineleri, Lojistik Regresyon, Karar Ağaçları, Rastgele Orman geleneksel makine öğrenmesi algoritmaları, Adaboost, XGBoost, Bagging topluluk öğrenme yöntemleri ile CNN ve LSTM derin öğrenme algoritmaları kullanılarak sınıflandırılmıştır. Sınıflandırma başarılarını ölçmek için geleneksel yöntemler ve topluluk yöntemlerinde farklı öznitelik seçim yöntemleri ve öznitelik sayıları parametre olarak belirlenirken derin öğrenme yöntemlerinde farklı aktivasyon fonksiyonları ile deneyler gerçekleştirilmiştir. Çalışma sonucunda, geleneksel yöntemlerden SVM, topluluk öğrenmesi yöntemlerinden XGBoost ve derin öğrenme yöntemleri ile yaklaşık %77 doğruluk oranı elde edilmiştir.

Özet (Çeviri)

The development of technology in recent years and increase internet usage ratio called the microblog Twitter, Facebook-like social media platforms, billions of views on various issues of people, ideas, has become a platform shared their feelings and complaints. With the widespread use of social media around the world, complaints, suggestions, and request notifications are shared not only through websites, phone, or e-mail, but also via social media, especially Twitter. Fast feedbacks and actions taken by companies via Twitter are of great importance for customer satisfaction. In particular, the service sector, which should be in direct contact with the customer, communicates with its customers via Twitter in order to increase satisfaction, and provide better service. In this thesis, a text mining study was carried out in order to accelerate the communication of companies in the Turkish aviation industry with their guests via Twitter, to facilitate the issue to reach the relevant department within the company, and to minimize the human effort and margin of error. Natural language processing and text mining studies were carried out on 14,406 Turkish Twitter posts about Turkish airline companies, according to the topics determined from the frequently asked questions titles on the websites of the airline companies, under which heading the relevant tweet is located, Naive Bayes, Support Vector The machines are classified using Logistic Regression, Decision Trees, Random Forest traditional machine learning algorithms, Adaboost, XGBoost, Bagging ensemble learning methods and CNN and LSTM deep learning algorithms. In order to measure the classification success, different feature selection methods and feature numbers were determined as parameters in traditional methods and ensemble methods, while experiments were carried out with different activation functions in deep learning methods. As a result of the study, approximately 77% accuracy rate was obtained with SVM from traditional methods, XGBoost from ensemble learning methods and deep learning methods.

Benzer Tezler

  1. Tez No

    483411

    Türkiye'de iş jeti taşımacılığının incelenmesi ve talebin artırılmasına yönelik öneriler

    A study relating to the activities of business jet transportation in Turkey and suggestions for increasing demand

    NURCAN AÇIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İşletmeTürk Hava Kurumu Üniversitesi

    Havacılık İşletmeciliği Ana Bilim Dalı

    PROF. DR. YILDIRIM SALDIRANER

  2. Tez No

    443426

    Türkiye'deki havayolu şirketlerinin uyguladıkları rekabet stratejileri ve yolcuların satın alma davranışları üzerine etkileri (İzmir ili örneği)

    Competitive strategies the airline companies implement in Turkey and the impacts on purchasing behaviors of consumers (İ.E in İzmir)

    DAMLA EKİCİKOL

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Sivil Havacılıkİzmir Katip Çelebi Üniversitesi

    Turizm İşletmeciliği Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZGÜR HAKAN ÇAVUŞ

  3. Tez No

    510085

    Türkiye'deki havayolu pilotlarının işten ayrılma niyetini etkileyen faktörlerin belirlenmesi ve analizi

    Determination and analysis of factors affecting turnover intentions of airline pilots in Turkey

    MUHAMMET ABDULHAK DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. FETHİ ÇALIŞIR

  4. Tez No

    524142

    Türkiye'deki havayolu örgütlerinin yer hizmetleri faaliyetlerinde dış kaynak kullanımı kararına etki eden faktörler ve bağımlılık ilişkilerinin yönetimi

    Management of dependency relations and factors effecting the outsourcing decision in their ground handling activities of airlines in Turkey

    ÜMİT DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Sivil HavacılıkAnadolu Üniversitesi

    Sivil Havacılık Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NALAN ERGÜN

  5. Tez No

    699247

    Türkiye'deki havayolu taşımacılığı sektöründe kurum kültürü, örgütsel bağlılık ve iş tatmini arasındaki ilişkiler üzerine bir araştırma

    A study on the relations between organizational culture, institutional commitment and job satisfaction in the airline transport sector in Turkey

    YAKUP MUTAF

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Sivil Havacılıkİstanbul Arel Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. EVREN AYRANCI

Geri Dön