Kurum içi destek taleplerinin yapay zeka ile sınıflandırılması
Classification of internal requests using artificial intelligence
- Tez No: 925237
- Danışmanlar: DR. ÖĞR. ÜYESİ METİN TURAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, kurum içi talep ve hataların yapay zekâ destekli modellerle otomatikleştirilerek sınıflandırılması amaçlanmaktadır. Günümüzde hizmet sektörü, sürekli değişen bir teknolojik gelişim süreci içerisindedir. Bu değişen teknolojik gelişime ayak uydurmak, sektörde faaliyet gösteren kurumlar için yalnızca bir gereklilik değil, rekabet avantajı elde etmek için zorunluluk haline gelmiştir. Hizmet sektöründeki bu teknolojik ilerlemeler, müşteri taleplerinin hızlı ve doğru bir şekilde karşılanmasını zorunlu kılmaktadır. Bu çalışmada, finans sektöründe faaliyet gösteren bir bankanın şubelerinde ortaya çıkan müşteri taleplerinin ve yazılımsal hataların hızlı ve doğru bir şekilde sınıflandırılarak işlenmesinin önemini vurgulamaktadır. Gerçek ortam verileri Masa üstü Destek, Yazılım Destek ve Saha Destek olmak üzere 3 ayrı kategoride ele alınmıştır. Her bir kategoride eşit olmak üzere toplam 4500 veri örneği temin edilmiştir. Verilerin %80'i eğitim, %20'si sınama amaçlı Bidirectional Encoder Representations from Transformers (BERT), Naive Bayes, Rastgele Orman (Random Forest) ve Yapay Sinir Ağları (YSA) (Artificial Neural Network,) makine ögrenmesi algoritmalarına uygulanmıştır. Deneylerde modellere özellik olarak. Sayım vektörleştirici (CountVectorizer) ve Terim Frekansı- Ters Belge Frekansı (TF-IDF) metrikleri ayrı ayrı eğitim amaçlı verilmiştir. Deneylerde veri adedi 3000 ve 4500 olmak üzere iki farklı sayıda modellere uygulanarak gözlem yapılmıştır. Deneylerde en iyi sonuçlar 4500 örneğin kullanıldığı, BERT modelinde %91 ve TF-IDF metriği verilen YSA modelinde %92'nin biraz üstünde elde edilmiştir. Veri sayısının artmasının ve TF-IDF metriğinin pozitif etkisinin yanı sıra, bu tür problemlerde YSA ve BERT sınıfları ayırmakta daha iyi sonuçlar verdiği gözlemlenmiştir.
Özet (Çeviri)
In this thesis, it is aimed to classify in-house requests and errors by automating them with artificial intelligence supported models. Today, the service sector is in an ever-changing technological development process. Keeping up with this changing technological development has become not only a necessity for organizations operating in the sector, but also a necessity to gain competitive advantage. These technological advances in the service sector necessitate meeting customer demands quickly and accurately. This study emphasizes the importance of fast and accurate classification and processing of customer requests and software errors that occur in the branches of a bank operating in the financial sector. The real environment data is categorized into 3 different categories as Desktop Support, Software Support and Field Support. A total of 4500 data samples were provided equally in each category. Bidirectional Encoder Representations from Transformers (BERT), Naive Bayes, Random Forest and Artificial Neural Network machine learning algorithms were applied to 80% of the data for training and 20% for testing. In the experiments, CountVectorizer and Term Frequency-Inverse Document Frequency (TF-IDF) metrics were given to the models separately for training purposes. In the experiments, two different numbers of data, 3000 and 4500, were applied to the models. The best results were obtained using 4500 samples, 91% for the BERT model and just over 92% for the ANN model given the TF-IDF metric. In addition to the positive effect of increasing the number of data and the TF-IDF metric, it has been observed that ANN and BERT give better results in separating classes in such problems.
Benzer Tezler
- Билим, илим жана маданият тармагындагы Кыргызстан менен Түркиянын кызматташтыгы (1992-2012 жж.)
Kırgız Cumhuriyeti ile Türkiye Cumhuriyeti arasında eğitim, bilim ve kültürel ilişkiler (1992-2012)
KADRİ AĞGÜN
Doktora
Kırgızca
2016
TarihKyrgyz State Unıversıty Named After I ArabaevTarih Ana Bilim Dalı
PROF. DR. TÖLÖBEK ABDRAHMANOV
- Kadın öğretmenler ve sendikal katılım; Eğitim-Sen örneği
Woman teachers and participation in unions; Example of Eğitim-Sen
HÜLYA TÜRKOĞLU
Yüksek Lisans
Türkçe
1999
Çalışma Ekonomisi ve Endüstri İlişkileriAnkara ÜniversitesiYaşam Boyu Öğrenme ve Yetişkin Eğitimi Ana Bilim Dalı
PROF. DR. SERAP AYHAN
- Parlamentonun müzakere işlevinin temel aracı: Genel görüşme
The main tool of Parliament's deliberation function: General debate
SİNEM ŞİRİN
Doktora
Türkçe
2023
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. ŞULE ÖZSOY BOYUNSUZ
- La politique regionale de l'Union Europeenne
Avrupa birliği'nin bölgesel politikası: The regıonal policy of European Unıon
MEHMET BEŞEK
Yüksek Lisans
Fransızca
2006
Uluslararası İlişkilerGalatasaray ÜniversitesiAvrupa Birliği Ana Bilim Dalı
DOÇ.DR. ENİS TULÇA