Solak, Fatma ZehraŞen, Abdulkadir2025-05-112025-05-112025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=P3dtmmHrq-mzEcmCLi1Cqfy025WFoSExXl-6JC47X0fJI4rXuJvZilHGzlnR-LWthttps://hdl.handle.net/20.500.13091/10086E-ticaret, dijitalleşen dünyanın hızla büyüyen sektörlerinden biri olarak öne çıkmaktadır. Tüketicilerin çevrimiçi alışveriş kararlarını etkileyen en önemli unsurlardan biri, diğer kullanıcıların deneyimlerini paylaştığı müşteri yorumlarıdır. Ancak, bu yorumların manuel olarak analiz edilmesi, büyük veri setleri için oldukça zaman alıcı ve maliyetli bir süreçtir. Bu çalışma, e-ticaret platformlarından elde edilen müşteri yorumlarının yapay zekâ tabanlı sınıflandırma yöntemleri kullanılarak hızlı ve doğru bir şekilde işlenmesini amaçlamaktadır. Türkiye'nin önde gelen e-ticaret platformlarından toplanan müşteri yorumları, 'Fiyat Performans', 'İade Edilen', 'Paketleme İyi, Hızlı Teslimat', 'Kalitesiz, Kusurlu, Kötü Paketleme' ve 'Tavsiye Edilen, Kaliteli Ürünler' gibi çok etiketli sınıflandırma kategorilerine ayrılmıştır. Bu kategoriler, yorumların yalnızca içeriklerini değil, aynı zamanda müşterilerin olumlu ya da olumsuz duygu durumlarını da yansıtarak çalışmanın duygu analizi alanına önemli katkılar sunmasını sağlamıştır. Veri saklama ve yönetimi için Microsoft SQL Server kullanılmış, Selenium Web Driver ve Html Agility Pack araçlarıyla veri kazıma işlemleri gerçekleştirilmiştir. Yorumlar doğal dil işleme süreçlerinde TF-IDF temsiliyle işlenmiş ve LSTM, CNN, GRU, RNN, BiLSTM ve BERT gibi yapay sinir ağları tabanlı derin öğrenme modelleri ve Lojistik Regresyon, Rastgele Orman gibi geleneksel makine öğrenmesi algoritmaları ile sınıflandırılmıştır. Performans değerlendirmelerinde doğruluk, duyarlılık, kesinlik, F1-Skor, log loss ve konfüzyon matrisi gibi metrikler kullanılmıştır. Özellikle BERT modeli, bağlamsal anlam çıkarma yetenekleriyle büyük veri setlerinde doğru sınıflandırma ve anlam çıkarma süreçlerinde diğer yöntemlere göre üstün bir performans sergilemiştir. BERT'in, transformer tabanlı yapısıyla dilin bağlamını çift yönlü analiz etme yeteneği, metinlerin anlamını derinlemesine kavrayarak daha doğru ve anlamlı sınıflandırmalar yapmasına olanak sağlamıştır. Bu çalışmada kullanılan yapay zekâ modelleri, müşteri yorumlarını sınıflandırmada yüksek doğruluk oranlarına ulaşmış ve geliştirilen yapay zekâ destekli sistemin, tüketicilerin bilinçli kararlar almasına rehberlik ettiği ve işletmelerin pazarlama ile ürün stratejilerini iyileştirmelerine katkı sağladığı ortaya konulmuştur. BERT'in üstün performansı, özellikle çok etiketli sınıflandırma görevlerinde, dilin bağlamını doğru anlamadaki başarısı ile dikkat çekmiştir. Bu kapsamda, çalışma e-ticaret sektöründe müşteri yorumlarının analizine yönelik yenilikçi ve etkili bir çözüm sunmaktadır.E-commerce stands out as one of the rapidly growing sectors in the increasingly digital world. One of the most important factors influencing consumers' online shopping decisions is customer reviews, where users share their experiences. However, manually analyzing these reviews is a time-consuming and costly process for large datasets. This study aims to process customer reviews obtained from e-commerce platforms quickly and accurately using artificial intelligence-based classification methods. Customer reviews collected from leading e-commerce platforms in Turkey have been categorized into multi-label classification categories such as 'Price-Performance', 'Returned', 'Good Packaging, Fast Delivery', 'Low Quality, Defective, Bad Packaging', and 'Recommended, Quality Products'. These categories have contributed significantly to the field of sentiment analysis by reflecting not only the content of the reviews but also the positive or negative emotional states of the customers. Microsoft SQL Server was used for data storage and management, and data scraping was carried out using Selenium Web Driver and Html Agility Pack tools. The reviews were processed with TF-IDF representation in natural language processing tasks and classified using deep learning models based on artificial neural networks, such as LSTM, CNN, GRU, RNN, BiLSTM, and BERT, as well as traditional machine learning algorithms like Logistic Regression and Random Forest. Performance evaluation metrics such as accuracy, sensitivity, precision, F1-score, log loss, and confusion matrix were used. Notably, the BERT model outperformed other methods in large datasets, demonstrating superior performance in classification and context extraction due to its contextual understanding capabilities. BERT's transformer-based architecture, with its ability to analyze language context bidirectionally, allowed for a deeper understanding of text meaning and more accurate and meaningful classifications. The artificial intelligence models used in this study achieved high accuracy rates in classifying customer reviews, and it was demonstrated that the developed AI-supported system guided consumers in making informed decisions and contributed to improving marketing and product strategies for businesses. BERT's superior performance, particularly in multi-label classification tasks, stands out for its success in understanding language context accurately. In this context, the study provides an innovative and effective solution for analyzing customer reviews in the e-commerce sector.trBilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDerin ÖğrenmeVeri MadenciliğiWeb MadenciliğiComputer Engineering and Computer Science and ControlDeep LearningData MiningWeb MiningMaster Thesis