Bir Havayolu Şirketinin Destek Hesabına Twitter Üzerinden İletilen Müşteri Geri Bildirimlerinin Doğal Dil İşleme Yöntemleri ile Analizi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen-Edebiyat Fakültesi, İstatistik Bölümü, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: TOLGA KURTULUŞ

Danışman: Erhan Çene

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Twitter.com son yıllarda kullanıcı sayısını artıran ve hemen hemen her internet kullanıcısının ya üye olduğu ya da haberdar olduğu tanınmış bir sosyal medya platformu haline gelmiştir. Twitter kullanıcıları "tweet" adı verilen metinlerle kendilerini ifade ederek ve bu tweetlerin içine yerleştirdikleri fotoğraf/videoları paylaşarak birbirleriyle etkileşime geçebilmektedir. Bireysel kullanıcıların yanı sıra kurumsal şirketler de Twitter'da yerini almış, birçok destek departmanı birimi hesap açarak müşterileriyle doğrudan iletişim kurmayı hedeflemiştir. Bu çalışmada, bir havayolu şirketinin Twitter hesabı üzerinden yolcularla etkileşime geçtiği tweetler, çalışmanın hedef veri seti olarak kullanılmıştır. İlgili destek hesabına gelen geri bildirimler ve cevaplar sadece Türkçe ve İngilizce dillerinde kullanılmak üzere filtrelenmiş ve her iki dil için de belirlenen tweetin duygusu etiketlenmiştir. Etiketleme işleminde 3 ayrı duygu kategorisi belirlenmiş ve tweetin "olumlu", "olumsuz" ya da "nötr" olduğunu belirtmek için manuel etiketleme yapılmıştır. Kullanılan bu tweet listesi, her iki dil için doğal dil işleme yöntemleri ile incelenmiş ve tweetlere ait duyguları sınıflandırma başarısı ölçülmüştür. Modelleme çalışması TensorFlow kütüphanesi yardımıyla R programlama dili ile gerçekleştirilmiş olup, alfanümerik karakterleri filtreleme, emoji ve website linklerinin temizliği, etkisiz kelimelerin temizliği gibi birçok işlem yardımı ile tweetler içinde yer alan kelime gruplarının sadeleştirilmesi sağlanmıştır. Veri temizlik adımlarının ardından doğal dil işleme modeli kurmak için 3 katmanlı bir Yapay Sinir Ağı mimarisi oluşturulmuştur. Türkçe ve İngilizce olmak üzere her iki dil için ayrı ayrı iki doğal dil işleme modeli eğitilmiştir. Eğitilen doğal dil işleme modelleri test edildiğinde, Türkçe tweetleri sınıflandırma konusunda \%94.04'lük başarılı tahmin oranına sahipken İngilizce tweetler için \%93.69'lük tahmin oranı hesaplanmıştır. Model sonuç metriklerinin genellenebilirliğini anlamak için önceden eğitilmiş BERT-Turkish (uncased) (Türkçe için) ve BERT (uncased) (İngilizce için) modelleri ile karşılaştırılmış ve doğal dil işlemesi çalışmaları için mümkün olan en optimal yaklaşımın bulunması hedeflenmiştir.