<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=152621"><dc:title>Analiza sentimenta podatkov o ocenah strank in uporaba podatkov v poslovne namene znotraj podjetij</dc:title><dc:creator>Razpotnik,	Vid	(Avtor)
	</dc:creator><dc:creator>Vovko,	Marko	(Avtor)
	</dc:creator><dc:creator>Škulj,	Damjan	(Mentor)
	</dc:creator><dc:subject>analiza sentimenta</dc:subject><dc:subject>komentarji strank</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>metoda podpornih vektorjev</dc:subject><dc:subject>podatkovno skladišče</dc:subject><dc:subject>vizualizacija podatkov</dc:subject><dc:description>Prisotnost obsežne količine povratnih informacij strank na spletnem prostoru predstavlja izjemno pomembno področje za podjetja, saj omogoča vpogled in analizo, ki lahko prispevata k izboljšanju njihovih storitev. Avtomatizacija tega procesa je ključna pri obvladovanju velikega obsega nestrukturiranih besedilnih podatkov. Zato je analiza sentimenta ena izmed rešitev za spremljanje in analizo besedilnih komentarjev strank. S tem namenom smo v magistrskem delu opisali področje analize sentimenta, podatkovnih skladišč za učinkovito shranjevanje podatkov in metode za vizualizacijo podatkov. V empirični študiji smo izdelali modele za napovedovanje sentimenta komentarjev strank na področju ocen bencinskih servisov, z različnimi algoritmi strojnega učenja, ki so temeljili na označenih podatkih z ustrezno predobdelavo besedila. Rezultate najboljšega modela smo umestili v podatkovno skladišče in ustvarili avtomatizirano poročilo v obliki nadzorne plošče. Ugotovili smo, da predobdelava besedila izboljša rezultate klasifikatorjev in metoda podpornih vektorjev prinaša najučinkovitejše napovedi sentimenta komentarjev. Prav tako smo na razumljiv način prikazali podatke analize sentimenta, kjer se opažajo razlike glede na leta, države, podjetja in posamezna prodajna mesta.</dc:description><dc:publisher>V. Razpotnik, M. Vovko</dc:publisher><dc:date>2023</dc:date><dc:date>2023-12-01 08:30:02</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>152621</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
