Generating solutions for data-driven decision making problems based on Bayesian models
Veri güdümlü karar verme problemlerine Bayesçi modellerle çözümler sunulması
- Tez No: 832744
- Danışmanlar: PROF. DR. ADİL BAYKASOĞLU
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çok kriterli karar verme (ÇKKV), çok sayıda ve birbirleriyle çelişen kriter değerlendirmelerini dikkate alarak alternatifler içerisinden en uygununu seçmeleri konusunda karar vericilere destek olan yöneylem araştırmasının bir alanıdır. İçinde bulunduğumuz bilgi çağında, internet teknolojilerindeki hızlı gelişmeler, e-ticarete olan yönelim, giderek artan veri hacmi ve çeşitliliği yeni veri-güdümlü karar verme problemlerini ortaya çıkarmaktadır. Geleneksel ÇKKV analizi büyük veri çağının getirdiği yeni karar verme problemlerinin çözümlerinde, belirsizlikleri ve kriter etkileşimlerini ele almakta zayıf kalmaktadır. Bu tezde, online müşteri yorumlarından müşterilerin ürünlerin hangi özelliklerine ne ölçüde önem verdiğine dair çıkarsama yapma ve ürün sıralamalarını belirleme problemleri ele alınmıştır. Bu veri güdümlü karar verme problemlerinin çözümü için ÇKKV analizinin zayıf yönlerini destekleyen Bayes teoremine dayalı makine öğrenmesi algoritmalarına başvuran karar destek methodolojileri geliştirilmiştir. Tezin ilk kısmında Markov zinciri Monte Carlo simulasyonuna dayalı yeni bir kriter ağırlığı belirleme yöntemi geliştirilmiştir. Geliştirilen yöntem, bir e-ticaret sitesinde satışa sunulan cep telefonlarına ait ürün özellikleri ve genel müşteri puanlaması verisine uygulanarak müşterilerin ürünün hangi özelliğine daha çok önem verdikleri çıkarsanmıştır. İkinci kısımda, hem sayısal hem metinsel müşteri değerlendirmeleri analizi içeren ve Bayes ağları ve çizge teorisi-matris yaklaşımından yararlanan otel sıralaması methodolojisi geliştirilmiştir. Türkçe müşteri yorumlarını sayısal puanlamaya dönüştürmek üzere yeni bir duygu analizi algoritması sunulmuştur. Dolayısıyla bu tez büyük veri analizi ve makine öğrenmesi entegreli ÇKKV analizi literatürüne orijinal katkılar içermektedir.
Özet (Çeviri)
Multi-criteria decision-making (MCDM) is a sub-field of operations research which assists decision-makers in choosing the most appropriate alternative among the alternatives by considering multiple and conflicting criteria assessments. In the information age we are in, the rapid developments in Internet technologies, the expansion of e-commerce, the rising volume of data, and diversity lead to new data-driven decision-making problems. Traditional MCDM analysis remains weak in solving new decision-making problems brought by the big data age, addressing uncertainties and criteria interactions. This thesis addresses the problems of inferring to what extent customers give weight to product characteristics and determining product rankings from online customer reviews. Decision-support methodologies have been developed which use machine learning algorithms based on Bayes' theorem, enhancing the shortcomings of MCDM analysis, to solve these data-driven decision-making problems. In the first part of the thesis, a new criterion weighting method was developed using the Markov chain Monte Carlo simulation. The method has been applied to the dataset, including the product characteristics and overall customer ratings on the mobile phones sold on e-commerce website, to determine which characteristic of the product customers put more weight on. In the second part, the hotel ranking methodology, including the analysis of both numerical and textual customer reviews, is developed using Bayesian networks and the graph theory-matrix approach. A new sentiment analysis algorithm has been introduced to convert textual reviews in Turkish into numerical scores. Therefore, this thesis contains original contributions to the literature of MCDM integrated with big data analysis and machine learning.
Benzer Tezler
- Okul öncesi dönemde 4-5 yaşlardaki çocuklara uygulanan matematiksel kavramlara dayalı destekleyici eğitim modelinin yaş ve cinsiyete göre etkisinin incelenmesi
Başlık çevirisi yok
MEMNUNE ÜRKÜN
Yüksek Lisans
Türkçe
1992
Eğitim ve ÖğretimHacettepe ÜniversitesiÇocuk Sağlığı ve Eğitimi Ana Bilim Dalı
PROF. DR. MEZİYET ARI
- Konik sürtünme diskli varyatörün sonlu elemanlar metodu ile analizi
Başlık çevirisi yok
SERKAN YÜRÜK
Yüksek Lisans
Türkçe
1998
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Ana Bilim Dalı
YRD. DOÇ. DR. SERDAR TÜMKOR
- Akıllı ulaşım sistemleri için yapay bağışıklık sistemleri ve genetik algoritma ile yeni stokastik en kısa yol algoritmalarının geliştirilmesi
Development of new stochastic shortest path algorithms by artificial immune systems and genetic algorithm for intelligent transportation systems
NESLİHAN KARSLI
Doktora
Türkçe
2010
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNAN HINISLIOĞLU
- Hesaplamalı tasarım yaklaşımları: Bütünleşik bir tasarım önerisi
Computational design approaches: An integrated design proposal
YEKTA İPEK
Yüksek Lisans
Türkçe
2014
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
- Melez akış tipi çizelgeleme problemi için tepkisel bir algoritma
A reactive algorithm for the hybrid flow shop scheduling problem
ABDULLAH AKTEL
Doktora
Türkçe
2015
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET MUTLU YENİSEY
- Makine öğrenmesi teknikleri ile mekansal karar destek sistemlerinin geliştirilmesi: Aksaray ili örneği
Development of spatial decision support systems with machine learning techniques: Case of Aksaray province
SÜLEYMAN SEFA BİLGİLİOĞLU
Doktora
Türkçe
2018
Jeodezi ve FotogrametriAksaray ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HACI MURAT YILMAZ