Sinir Ağı Dil Modelleri ve Evrensel Cümle Kodlayıcı Kullanarak Havayolu Müşteri Yorumlarının Duygu Analizi

Duygu analizi, metin tabanlı verilerin duygusal tonlarını belirlemede kullanılan önemli bir doğal dil işleme (NLP) tekniğidir. İşletmeler, müşteri memnuniyetini artırmak ve hizmet kalitesini iyileştirmek için müşteri yorumlarından elde edilen duygusal içgörülerle stratejik kararlar alabilir. Bu çalışmada ise havayolu müşteri yorumlarından oluşan bir veri seti kullanılmıştır. Veri seti, her bir yorumun doğrulama durumu, içerik, değerlendirme puanı, öneri durumu, duygu analizini içermektedir ve toplamda 1100 örnekten oluşmaktadır. Çalışmada dört farklı model incelenmiştir. Bu modellerden CNN-LSTM, sıfırdan öğrenme stratejisiyle eğitilmiştir. Ayrıca, iki farklı sinir ağı dil modeli (Neural Network Language Model, NNLM) ve evrensel cümle kodlayıcı (Universal Sentence Encoder, USE) transfer öğrenme yaklaşımıyla eğitilmiştir. CNN-LSTM modeli %92,06 doğruluk oranı ile yüksek performans göstermiştir. nnlm-en-dim50 modeli %90,87 doğruluk oranı elde ederken, nnlm-en-dim128 modeli %92,46 doğruluk oranı ile öne çıkmıştır. En yüksek performansı ise %95,63 doğruluk oranı ile USE modeli göstermiştir. Bu sonuçlar, derin öğrenme ve transfer öğrenme tekniklerinin duygu analizinde etkili araçlar olduğunu göstermektedir. Çalışma, işletmelerin müşteri memnuniyetini artırmak ve hizmet kalitesini iyileştirmek için duygu analizi teknolojilerini nasıl etkin bir şekilde kullanabileceklerine dair önemli içgörüler sunmaktadır. Gelecek çalışmalarda, farklı veri setleri ve daha geniş örneklem büyüklükleri ile modellerin performanslarının daha detaylı incelenmesi önerilmektedir.