Show simple item record

dc.contributor.advisorÇatal, Çağatay
dc.contributor.authorGüldan, Suat
dc.date.accessioned2016-02-12T13:51:24Z
dc.date.available2016-02-12T13:51:24Z
dc.date.issued2014-07
dc.identifier.urihttp://hdl.handle.net/11413/882
dc.description.abstractÇevrimiçi 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.tr_TR
dc.description.abstractThe 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.en
dc.language.isoturtr_TR
dc.publisherİstanbul Kültür Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Anabilim Dalıtr_TR
dc.subjectMetin sınıflandırmatr_TR
dc.subjectText categorizationtr_TR
dc.subjectOylamatr_TR
dc.subjectVotingtr_TR
dc.subjectVeri madenciliğitr_TR
dc.subjectData miningtr_TR
dc.titleMakine öğrenmesi yöntemleriyle gerçek olmayan tüketici yorumlarının tespititr_TR
dc.title.alternativeDetecting deceptive customer reviews using machine learning methodstr_TR
dc.typeThesistr_TR


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record