20.500.12556/RUL-86347 Primerjava atributov za napovedovanje ocen v spletni trgovini Amazon Comparison of attributes for predicting online reviews on Amazon Vsak dan komentiramo ali ocenjujemo stvari, ki nas obkrožajo in s katerimi se ukvarjamo, pri tem pa za seboj puščamo sledi. Cilj diplomske naloge je prikazati, kako napovedovati ocene v dandanes največji spletni trgovini Amazon. V ta namen smo zgradili modele v treh različnih fazah, in sicer iz treh različnih vendar povezanih področij analize podatkov. Na začetku so prikazani matematični in statistični modeli, ki jih bomo uporabili za dosego cilja, in kratek pregled vsakega področja. Preko modelov bomo pokazali, kateri od atributov spletnih ocen in mnenj nam ponujajo največ informacij za številčno oceno. Posamezni pristopi omogočajo pridobivanje različnih lastnosti, kot so časovni atribut, koristnost, besede v komentarjih in interakcija med uporabniki. V vsaki fazi nato preiskujemo dobljene lastnosti preko primerjanj različnih kombinacij morebitnih lastnosti. V nadaljevanju njihovo uspešnost ocenjujemo preko napovedovanja ocen. V zaključku so predstavljene prednosti in slabosti zgrajenih modelov ter navedene možnosti za izboljšave in nadaljno delo v prihodnosti. On every day basis, we grade and make comments about many subjects around us. This thesis is aiming to show how can we predict the grades on the largest online retailer nowadays Amazon. For that purpose, we built models in three different phases, by three different but also closely connected fields in the data analysis branch. At the beginning, we give a short overview of each field and basic mathematical description of the models and estimators we use. Via those models, we show the big picture of which review's attributes give us the most information about user's numerical score. Each of the three approaches extracts various attributes such as the time stamp, the helpfulness, the words in the comments or the interaction between the users, to name a few. Furthermore, we explore those features by comparing different combinations of them at each of the three steps. Then, we evaluate their success in making a prediction of the numerical score in each review. At the end, we conclude with some of the advantages and disadvantages of the built models and possibilities for future improvements and further work. strojno učenje podatkovno rudarjenje rudarjenje besedil analiza omrežij filmi ocene komentarji uporabniki machine learning data mining text mining network analysis movies scores comments users true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2016-10-07 12:30:01 2016-10-07 12:30:05 2022-08-09 10:40:32 0000-00-00 00:00:00 2016 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 18189 Temelkovska_Angelina_-_Primerjava_atributov_za_napovedovanje_ocen_v_spletni_trgovini_Amazon.pdf Temelkovska_Angelina_-_Primerjava_atributov_za_napovedovanje_ocen_v_spletni_trgovini_Amazon.pdf 1 CFAAEA720C07FF830DBF6B06C38E73F3 fc3ebf9ec608824324565a57e2611b2c170115de9d85a60172aea74024d10712 0cf42c81-a1b1-11eb-a523-00155dcfd717 20.500.12556/rul/332ac1d8-85fa-44f1-b5ca-8a4a7f41b5dd https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=89527 Fakulteta za računalništvo in informatiko 0 0 0