Teknolojinin ilerlemesi ve internetin gelişmesi ile beraber
günümüzde bilginin gücü de ön plana çıkmıştır. Bununla beraber internet
dünyasında bilgi kirliliği ve karmaşası ortaya çıkmaya başlamıştır. Bu
karmaşadan anlamlı verilerin çıkartılması ve yorumlanabilmesi için makine
öğrenmesi algoritmalarından yararlanılabilir. Bu çalışmada yazı formunda
girilen açıklamanın kategori bilgisine ulaşılması amaçlanmıştır. Bir e-ticaret
sitesinden ürün bilgileri etiketlenerek veri seti elde edilmiştir. Toplanan bu
veri seti makine öğrenmesi algoritmalarıyla model eğitimi gerçekleştirilmiş ve
9 farklı katagoriye ayırmak için doğru tahminleme yapması amaçlanmıştır. Bu
eğitim sırasında Random Forest, Karar Ağacı, Multinominal Naive Bayes
(Multinominal NB), Logistic Regression, Destek Vektör Makineleri (DVM) ve Yapay
Sinir Ağları (YSA) sınıflandırıcıları kullanılmış ve çıkan sonuçlar tablolarla
karşılaştırılmıştır.
With the advancement of technology and the development of the internet, the power of knowledge has come to the fore. However, in the internet world, information pollution and chaos started to emerge. Machine learning algorithms can be used to extract and interpret meaningful data from this complex. In this study, it is aimed to reach the category information of the explanation entered in the form of text. Product information from an e-commerce site was obtained by labeling the data set. This data set is modeled by machine learning algorithms and it is aimed to make accurate estimation to divide into 9 different categories. During this training, Random Forest, Decision Tree, Multinominal Naive Bayes (Multinominal NB), Logistic Regression, Support Vector Machines (SVM) and Artificial Neural Networks (ANN) classifiers were used and the results were compared with the tables.
Primary Language | Turkish |
---|---|
Journal Section | Articles |
Authors | |
Publication Date | April 30, 2019 |
Submission Date | February 6, 2019 |
Acceptance Date | April 24, 2019 |
Published in Issue | Year 2019Volume: 2 Issue: 1 |
The papers in this journal are licensed under a Creative Commons Attribution-NonCommercial 4.0 International License