Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: Buğra Kaan TÜRKMENOĞLU
Danışman: Oktay Yıldız
Özet:
Yardım masası sistemi kullanıcılar ile müşteri hizmetleri arasındaki ana iletişim aracıdır. Yardım masası bilet alanının manuel seçilmesi sonucunda bilet alanı yanlış atanabilir, biletin çözüm süresi uzayabilir ve iş gücü kaybedilebilir. Biletin önceliğinin yanlış seçilmesi durumunda kritik önemi olmayan biletlere yüksek öncelik verilebilir. Birçok konu hakkında bilgi sahibi olma zorunluluğu, süreç aktarımının zorluğu ve tekrarlayan biletler sebebiyle müşteri hizmetleri temsilcileri üzerinde çok sayıda bilet birikir. Bu sorunların üstesinden gelmek için biletleri üst ile alt alanlara ve önceliklerine göre sınıflandıracak, müşteri hizmetleri temsilcileri tarafından kapatılan biletlerle aynı anlama gelen biletleri önererek bir an önce kapatılmasını sağlayacak modellerin tasarlanması amaçlanmıştır. Çok sınıflı bilet alanı sınıflandırmanın zorluğunu aşmak için hiyerarşik yaklaşım kullanılmıştır. Bilet sınıflandırma modellerinin eğitimi için bir şirketin yardım masası sisteminden Türkçe bilet açıklamasıyla üst ile alt alan ve öncelik etiketlerini içeren 4 adet veri kümesi toplanmıştır. Benzerlik modelini eğitmek için bir bilet üst alanına ait biletler kartezyen olarak eşleştirilmiş ve manuel olarak etiketlenmiştir. Veri ön işleme adımları, yeniden örnekleme ve boyut küçültme sayesinde, dengesiz bir veri kümesinde geleneksel makine öğrenmesi algoritmalarını kullanarak çok sınıflı metin sınıflandırma probleminin zorluğu aşılmıştır. SVM yöntemi kullanılarak biletlerin %94,4 doğrulukla üst alana, %88,22 ile %98,92 arasında doğrulukla alt alanlara sınıflandırılması gerçekleştirilmiştir. K-NN yöntemi kullanılarak biletlerin %97,35 doğrulukla öncelik sınıflandırması gerçekleştirilmiştir. MaLSTM modeli kullanılarak bilet benzerliği için 0,235 ortalama kare hata, 0,4848 kök ortalama kare hata, 0,4603 ortalama mutlak hata, 0,2528 Pearson korelasyon katsayısı, 0,2487 Spearman‘ın sıralama korelasyon katsayısı elde edilmiştir. Bu tez çalışması, TUSAŞ Bilimsel Araştırmalar Programı (TUSAŞ BAP) kapsamında desteklenmiştir.
| Anahtar Kelimeler : Yardım masası, bilet sınıflandırma, anlamsal metin benzerliği, makine öğrenmesi, doğal dil işleme, Word2vec, Doc2vec, LSTM |