Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, İşletme Fakültesi, İşletme Bölümü, Türkiye
Tezin Onay Tarihi: 2016
Tezin Dili: Türkçe
Öğrenci: ELYASE İSKENDER
Danışman: İSMAİL HAKKI ARMUTLULU
Özet:SOSYAL MEDYA MESAJLARINDA MÜŞTERİ MEMNUNİYETİNİN FUZZY SENTİMENT ANALİZİ İLE ÖLÇÜLMESİ Doktora Tezi i: Bu tez çerçevesinde, Destek Vektör Makineleri (Support Vector Machine) (SVM), Multimomial Naif Bayes (MNB), K En yakın Komşu (KNN),Fuzzy K En Yakın Komşular (Fuzzy K Nearest Neighbors (FNN)), Fuzzy – Kaba K En Yakın Komşular (Fuzzy-Rough K Nearest Neighbors(FRNN)), Fuzzy Sahiplik En Yakın Komşular (Fuzzy Ownership Nearest Neighbors (FRNN-O)), Fuzzy Kaba EnYakın Komşular- Fuzzy Kaba Kümeler (FRNN-FRS), Fuzzy Hibrit SVM MNB, Fuzzy Hibrit SVM KNN, Fuzzy Hibrit MNB KNN ve Fuzzy Hibrit SVM MNB(FSM) sınıflandırıcıları kullanılarak Fuzzy Sentiment Analizi (FSA) gerçekleştirilmektedir. Tez, işletmelerin sürdürülebilirliklerini sağlamak için, müşteri memnuniyetinin ve sadakatinin sağlanması amacına hizmet edecek, bir katkı sunmayı amaçlamaktadır. İletişim çağında değişen ve ana akım medyadan daha etkili hale gelen en güncel ve özgür haber alma kanalı olan Sosyal medyadaki mesajlara, fuzzy sentiment analizi uygulayarak, bu mesajların, müşterilerin hangi konudaki memnuniyetsizliklerini içerdiğini tespit etmek, bu çalışmanın temel hedefidir. Bunun için öncelikle müşteri memnuniyeti kavramı üzerine bir araştırma yapıldı ve müşteri memnuniyetini / memnuniyetsizliğini oluşturan temel etkenler 5 sınıfa ayrıldı. Sonrasında şikayetvar.com sitesinden alınan 2567 adet mesaj içeriğinin, 5 şikayet sınıfından en uygun olanına atanmasıyla, öğrenme veri kümesi oluşturuldu. Daha sonra, FSA uygulanarak, bu veri kümesi otomatik olarak müşteri memnuniyeti sınıflarına ayrılması denendi ve sonuçların performansı Sentiment Analizi sonuçlarıyla karşılaştırıldı. Anahtar Kelimeler: Fuzzy Sentiment Analizi, Veri Madenciliği, Fuzzy Sınıflandırıcılar, Müşteri Memnuniyeti, Kaba Kümeler MEASURING CUSTOMER SATISFACTION VIA FUZZY SENTIMENT ANALYSIS ON SOCIAL MEDIA MESSAGES Abstract for PhD Dissertation: In this thesis we have used Support Vector Machine(SVM), Multinomial Naive Bayes (MNB), K Nearest Neighbor (KNN), Fuzzy KNN(FNN), Fuzzy Rough K Nearest Neighbors(FRNN), Fuzzy Ownership KNN(FRNN-O), Fuzzy Rough NN – Fuzzy Rouh Set (FRNN-FRS), Fuzzy Hybrit SVM KNN Fuzzy Hybrit MNB KNN, Fuzzy Hybrite SVM MNB KNN and Fuzzy Hybrite SVM MNB (FSM) classifiers for implementing FSA. The main aim of this dissertation is contributing about Providing the customer satisfaction and loyalty for brands in order to guarantee their sustainability. In other words the main target of this disertation is applying fuzzy sentiment analysis on changing and challenging modern new intelligence channel Social Media Messages to detect the type of customer dissatisfaction. Fort his aim firstly the concept of customer satisfaction / dissatisfaction has been researched. After this, the factors which causes customer satisfaction / dissatisfaction, divided into 5 classes. Subsequently 2567 of şikayetvar.com messages (The complaints of customers about product / service is in the content of this messages) and coded them into 5 classes manually. After this we implement the FSA and classify the messages into classes automatically with FSA. Eventually we compare the FSA Performance with Sentiment Analysis’s results. Keywords: Fuzzy Sentiment Analysis, Data Mining, Fuzzy Classifiers, Customer Satisfaction, Rough Sets