Sentiment Analysis of Customer Comments in Banking using BERT-based Approaches


Creative Commons License

Masarifoglu M. M., Tigrak U., Hakyemez S., Gül G., Bozan E., Büyüklü A. H., ...Daha Fazla

2021 29th Signal Processing and Communications Applications Conference (SIU), İstanbul, Türkiye, 9 - 11 Haziran 2021, ss.1-4

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Doi Numarası: 10.1007/s13748-016-0093-1
  • Basıldığı Şehir: İstanbul
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1-4
  • Yıldız Teknik Üniversitesi Adresli: Evet

Özet

Özetçe—Firmaların çeşitli kanallar aracılığıyla topladıkları müşteri yorumları, müşteri memnuniyetinin değerlendirilmesi için faydalı kaynaklardır. Yapılan yorum miktarının sürekli artması manuel analizi zorlaştırmakta, zaman ve insan kaynağı tüketmektedir. Bu çalışmada, bankacılık hizmetlerini kullanan müşterilerin NPS anketleri yoluyla toplanan Türkçe yazılmış yorumları Doğal Dil İşlemesi yöntemleri ile analiz edilmiştir. BERT tabanlı duygu sınıflandırma modelleri geliştirilmiş ve bankacılık alanı için geleneksel yöntemlerle karşılaştırılmıştır. Yöntemlerin etkinliği, (i) az miktarda etiketli eğitim verisinin olduğu ve (ii) hedef alanda etiketli eğitim verisinin olmadığı kısıtlı-kaynaklı durumlar için araştırılmıştır. Birinci durum için, BERTurk tabanlı modelin geleneksel modellere göre daha yüksek başarım elde ettiği ve eğitim verisinin azalmasından daha az etkilendiği gösterilmiştir. İkinci durum için, Twitter'dan alan dışı verilerin eğitim için kullanılması araştırılmıştır. Ayrıca, doğal dil çıkarımı için ön-eğitilmiş olan XLM-Roberta tabanlı model ile örneksiz öğrenme yaklaşımı değerlendirilmiştir. Alan dışı verilerin kullanılması bankacılık alanında duygu analizi için düşük performansla sonuçlanırken, örneksiz öğrenme yaklaşımı ile umut verici sonuçlar elde edilmiştir.

Abstract—Customer comments collected by companies through various channels are useful resources for understanding customer satisfaction. The continuous increase in the amount of comments makes manual analysis infeasible. In this study, the comments of customers, written in Turkish, regarding banking services collected through NPS questionnaires were analyzed using Natural Language Processing methods. BERT-based sentiment classification models were developed and compared with traditional methods for the banking domain. The effectiveness of the methods was investigated in a low-resource setting, where (i) there is a small amount of labeled training data and (ii) there is no labeled training data in the target domain. For the first case, the results showed that BERTurk-based model performs better than the traditional models and its performance is affected less from the decrease in training data size. For the second case, training with out of domain data from Twitter was explored. In addition, zero-shot learning with XLM-Roberta, which was pertained for natural language inference, was investigated. While using out of domain data resulted in poor performance, the zero-shot learning approach achieved promising results for sentiment classification in the banking domain.