RASTGELE ORMAN ALGORİTMALARI İLE OTEL ÖZELLİKLERİ ANALİZİ
Günümüzde insanlar otel yelpazesinin çok geniş olması nedeniyle otel seçimlerini, kendi tercihleri doğrultusunda filtreleyerek gerçekleştirmek istemektedirler. Farklı yaş grupları ve çocuklu ailelerin otellerden beklentileri değişmektedir. Örneğin, çocuklu aileler çocuklarının da eğlenerek vakit geçirebilecekleri, denize yakın, kumlu plaja sahip olan otelleri tercih etmektedirler. Daha ileri yaş gruplarında sessiz, spa özellikleri olan oteller tercih edilebilmektedir. İnsanların tercihleri mevsimlere göre de değişiklik gösterebilmektedir. Bu nedenle otel rezervasyonu yapan şirketler için; belirli müşteri gruplarına, bütçeye, yerleşim bölgesine ve mevsimlere göre tercihlerin yorumlanabilmesi önem arz etmektedir. Bu çalışmada müşteri tercihlerinin otel özellikleri bakımından yorumlanabilmesi için, ilk olarak otel özellikleri frekans analizi yöntemi ile azaltılmıştır. Kalan özellikler üzerinde Rastgele Orman Algoritmaları çalıştırılarak yaş gruplarına, mevsimlere ve çocuklu ailelere göre önemli otel özellikleri belirlenmiştir.
Anahtar Kelimeler:
Rastgele Orman Algoritmaları, Otel Özellikleri, Otel Öneri Sistemi, Akıllı Seyahat
HOTEL FEATURES ANALYSIS WITH RANDOM FOREST ALGORITHMS
Today people want to choose hotels by filtering them according to their different features, because the hotel range is very wide. The expectations of different age groups and families with children also vary. For example, today's families with children prefer hotels that are close to the sea, have sandy beach and features where their children can have fun. At older age groups, quiet, spa hotels can be preferred. The choices of people can also change according to the seasons. For this reason, hotel features that stand out according to certain customer groups, budget, residental area and seasons are important for companies that book hotels to form an accurate suggestion system. In this study, firstly, hotel features were reduced by frequency analysis method. The important features were determined for age groups, seasons and families with children by Random Forest Algorithms.
___
- Anonim, (2017). “Data types (Transact-SQL)”. https://docs.microsoft.com/en-us/sql/t-sql/data-types/data-types-transact-sql?view=sql-server-2017, Erişim T: 13.12.2020.
- Aras G., Ayhan G., Sarıkaya M., Tokuç A., Sakar C., (2019). “Forecasting Hotel Room Sales within Online Travel Agencies by Combining Multiple Feature Sets”. 8th International Conference on Pattern Recognition Applications and Methods, 565-573.
- Boz M., Canbazoğlu E., Özen Z., Gülseçen S., (2018). “Otel Rezervasyon İptallerinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi”. Veri Bilimi. 1(1): 7-14.
- Breiman L., (2004). “Consistency for a simple model of random forests”. Technical Report 670, Technical report, Department of Statistics, University of California, Berkeley, USA.
- Breiman L., (2001). “Random Forests”. Machine Learning.
- Kasper W., Vela M., (2012). “Sentiment Analysis for Hotel Reviews”. Speech Technology, 4. 96-109.
- Korkmaz D., Çelik E. H., Kapar M., (2018). “Sınıflandırma ve Regresyon Ağaçları ile Rastgele Orman Algoritması Kullanarak Botnet Tespiti”. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 23 (3): 297-307.
- Mavalankar, A., Gupta, A., Gandotra, C., Misra, R., (2019). “Hotel Recommendation System”. 10.13140/RG.2.2.27394.22728/1.
- Pedregosa F., (2011). “Scikit-learn: Machine Learning in Python”, JMLR 12, pp. 2825-2830.
- Sayar A., Turdaliev N., (2018). “Makine Öğrenmesi ile Adaptif Otel Öneri Sistemi”. 12th Turkish National Software Engineering Symposium, Istanbul, Turkiye.
- Yılmaz H., (2014). “Random Forests Yönteminde Kayıp Veri Probleminin İncelenmesi ve Sağlık Alanında Bir Uygulama”. (Yüksek Lisans Tezi). Eskişehir Osmangazi Üniversitesi Sağlık Bilimleri Enstitüsü Biyoistatistik Anabilim Dalı, Eskişehir, Türkiye.
- Başlangıç: 2017
- Yayıncı: Adem KORKMAZ