AI-driven semantic and structural modelling of urban gastronomy through language
Dil üzerinden kentsel gastronominin yapay zeka destekli anlamsal ve yapısal analizi
- Tez No: 1021196
- Danışmanlar: DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gastronomi, kentsel turizmde önemli bir rol oynayarak yerel ekonominin canlılığına katkıda bulunur. Turistler, seyahat ve yemek tercihlerini yönlendirmek için çevrimiçi restoran yorumlarına güvenmektedir. Farklı kentlerde gastronomi deneyimlerinin nasıl algılandığı ve değerlendirildiği konusunda kullanıcı yorumları değerli bilgiler sunmaktadır. Yorumlar büyük ölçekli ve heterojen bir yapıya sahip olduğundan görüşleri bilgiye dönüştürmek için sistematik ve ölçeklenebilir yaklaşımlar gerektirmektedir. Bu çalışma, İstanbul ve ilçelerindeki restoran yorumlarını analiz etmek ve ilçe düzeyinde gastronomi kalıplarını sentezlemek için entegre bir yapay zeka destekli çerçeve sunmaktadır. Çerçeve, keşifsel veri analizi (EDA), konu modelleme, bilgi grafiği tabanlı analiz ve büyük dil modeli (LLM) tabanlı özetlemeyi bir araya getirmektedir. Analiz, puanlama dağılımlarını, restoran kategorilerini ve fiyat dağılımlarını incelemek için Keşifsel Veri Analizi (EDA) ile başlar. Restoran yorumlarındaki gizli latent tematik yapılar, üç konu modelleme yaklaşımı kullanılarak belirlenir: Latent Dirichlet Allocation (LDA), BERTopic ve Top2Vec. Mekansal ve anlamsal ilişkileri incelemek için, ilçe düzeyinde entropi ölçütleri ve konu bazlı bilgi grafikleri oluşturuldu ve çoklu grafik benzerlik ölçütleri kullanılarak karşılaştırıldı. Son adımda, bir özetleme iş akışı aracılığıyla LLM kullanılarak bölge düzeyinde özetler oluşturuldu. Üretilen özetler, konu modelleme ve bilgi grafiği yöntemleri kullanılarak analiz edilmiş ve ilçe düzeyinde karşılaştırılmıştır. Bu çalışma, restoran değerlendirme verilerini yorumlanabilir anlamsal, yapısal ve anlatısal temsiller haline dönüştürmek için metodolojik bir çerçeve oluşturarak turizm odaklı analizler için bir temel sağlamaktadır.
Özet (Çeviri)
Gastronomy plays a key role in urban tourism, shaping visitors' experiences of a city and contributes to the vitality of the local economy. Tourists increasingly rely on online restaurant reviews to guide their travel and dining preferences. These user-generated texts offer valuable insights into how gastronomic experiences are perceived and evaluated across different urban contexts. However, the large-scale heterogeneity of data requires systematic, scalable analytical approaches to transform opinions into knowledge. This study presents an integrated AI-driven framework for analyzing restaurant reviews across Istanbul and its districts to synthesize district-level gastronomic patterns. The framework combines exploratory data analysis (EDA), topic modeling, knowledge graph–based analysis, and large language model (LLM)–based summarization. The analysis begins with EDA to examine rating distributions, restaurant categories and price patterns. Subsequently, hidden latent thematic structures in restaurant reviews are identified using three topic modeling approaches: Latent Dirichlet Allocation (LDA), BERTopic, and Top2Vec. To examine spatial and semantic relationships, district-level entropy metrics and topic-based knowledge graphs were constructed and compared using multiple graph similarity measures. Finally, district-level summaries were generated using LLM through a summarization pipeline. The LLM-generated summaries were analyzed using topic modeling and knowledge graph methods and compared at the district level. Taken together, this study provides a foundation for tourism-focused analyses by establishing a methodological framework for converting restaurant reviews data into interpretable semantic, structural, and narrative representations.
Benzer Tezler
- Enhancing disaster management through deep learning: Building damage assessment using satellite imagery
Derin öğrenme ile afet yönetiminin geliştirilmesi: Uydu görüntüleri kullanılarak bina hasar tespiti
MOHAMMADREZA MOHAMMADIAHANI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiAfet ve Acil Durum Yönetimi Ana Bilim Dalı (disiplinlerarası)
PROF. DR. DİDEM SALOĞLU DERTLİ
- Multi-agent planning with automated curriculum learning
Otomatik müfredat öğrenmesi ile çoklu ajan planlaması
ONUR AKGÜN
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Doğal dil ile SQL ve görselleştirme koduna dönüşümde büyük dil modellerinin karşılaştırmalı analizi
Comparative analysis of large language models for natural language to SQL and visualization code generation
BAYKAL MEHMET UÇAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. SEFER BADAY
- Learning object-centric representations based on slots in real world scenarios
Gerçek dünya senaryolarında slotlara dayalı nesne-odaklı temsillerin öğrenilmesi
ADİL KAAN AKAN
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. YÜCEL YEMEZ
- Nesneye yönelik programlma ve delphi ile bir kuyumculuk programı
Başlık çevirisi yok
ANTRANİK AVİTOĞLU
Yüksek Lisans
Türkçe
1998
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. ALİ ERCENGİZ