A financial event detection method for supply chain risk management with large language models
Büyük dil modelleri ile tedarik zinciri risk yönetimi için bir finansal olay tespit yöntemi
- Tez No: 1022858
- Danışmanlar: DOÇ. DR. EMRAH İNAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Modern tedarik zincirleri, karmaşık ve küresel olarak dağıtılmış ağlara dönüşmüş olup, bu durum kuruluşların yapılarını ve bağımlılıklarını tam olarak görmesini zorlaştırmaktadır. Bu ağların haritalanması, kırılganlıkların belirlenmesi, dayanıklılığın artırılması ve stratejik kararların desteklenmesi açısından önemlidir. Bu tez, tedarik zinciri dinamiklerini analiz etmek ve haritalamak amacıyla açık kaynaklı büyük dil modellerinden yararlanan, yapılandırılmış ve alan-bağımsız bir bilgi çıkarımı çerçevesi önermektedir. Önerilen çerçeve ağırlıklı olarak elektrikli araç endüstrisine uygulanmaktadır. Bu sektörde batarya üretimi ve ilişkili süreçler, karmaşık ve kaynak yoğun tedarik zinciri faaliyetlerini içermektedir. Elektrikli araç tedarik zincirindeki varlıkları belirlemek ve aralarındaki anlamsal ilişkileri modellemek amacıyla Adlandırılmış Varlık Tanıma (Named Entity Recognition) ve İlişki Çıkarımı (Relation Extraction) yöntemleri uygulanmaktadır. Ayrı bir vaka çalışması olarak, su kaynaklarıyla ilişkili olay çıkarımı ele alınmıştır; çünkü su batarya üretiminde kritik bir rol oynamaktadır. Yöntemsel olarak, çerçeve alan-özgü bir veri derlemini DBpedia'daki elektrikli araç şirketi özetlerinden oluşturmakta ve bağlamsal tutarlılığı artırmak amacıyla eşgönderim çözümlemesi (coreference resolution) ile iyileştirmektedir. Adlandırılmış Varlık Tanıma alanla ilgili varlıkları tespit ederken, İlişki Çıkarımı bu varlıklar arasındaki anlamsal ilişkileri belirlemektedir. Önerilen prompt-temelli yaklaşım ayrıca su kaynakları vaka çalışması üzerinden gösterilmekte; burada Olay Çıkarımı (Event Extraction), görev-özel ince ayar (fine-tuning) yapılmadan aynı few-shot istem stratejisiyle gerçekleştirilmektedir. Deneysel sonuçlar, birden fazla model mimarisi üzerinde rekabetçi performans ve temel yaklaşımlara kıyasla iyileşmeler göstermektedir. Bulgular, sistematik veri hazırlama ile yapılandırılmış istem tasarımının alan-özgü bilgi çıkarımı ve tedarik zinciri haritalaması için etkili ve yeniden üretilebilir bir yöntem sunduğunu göstermektedir.
Özet (Çeviri)
Modern supply chains have evolved into complex, globally distributed networks, making it difficult for organizations to gain full visibility into their structure and dependencies. Mapping these networks is essential for identifying vulnerabilities, improving resilience, and supporting strategic decision-making. This thesis proposes a structured, domain-agnostic information extraction framework leveraging open-source large language models to analyze and map supply chain dynamics. The framework is primarily applied to the electric vehicle (EV) industry, where battery production and related manufacturing processes involve complex, resource-intensive supply chain activities. Named Entity Recognition and Relation Extraction are applied to this domain to identify entities and model semantic relationships within the EV supply chain. Water resource-related event extraction is also presented as a case study, given its critical role in battery manufacturing.Methodologically, the framework builds a domain-specific corpus from DBpedia electric vehicle company abstracts, refined through coreference resolution for contextual consistency. Named Entity Recognition detects domain-relevant entities and Relation Extraction identifies semantic relationships among them. The proposed prompt-based approach is further demonstrated through the water resources case study, where Event Extraction is performed using the same few-shot prompting strategy without task-specific fine-tuning. Experimental results demonstrate competitive performance across multiple model architectures, with improvements over baseline approaches. These findings suggest that systematic data preparation combined with structured prompt design offers an effective and reproducible method for domain-specific information extraction and supply chain mapping.
Benzer Tezler
- Spare parts management of aging capital products
Başlık çevirisi yok
MUSTAFA HEKİMOĞLU
Doktora
İngilizce
2015
Endüstri Ürünleri TasarımıErasmus Unıversıteıt RotterdamPROF. DR. ROMMERT DEKKER
- Yaş almış uçak filolarında sürekli uçuşa elverişlilik yönetim maliyetleri üzerine bir analiz
An analysis of continuing airworthiness management costs in aging aircraft fleet
YAVUZ SELİM ATEŞ
Yüksek Lisans
Türkçe
2026
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPTEKİN YILDIZ
- Makine öğrenmesi yöntemleri ile kredi risk analizi
Credit risk analysis using machine learning algorithms
SACİDE KALAYCI
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Covid-19 pandemi krizinin Türkiye sigorta sektörüne etkisi
The effect of the covid-19 pandemic crisis on the Turkish insurance sector
MUSTAFA KERİM ALİŞ
- Yargıtay'ın anonim ve limited şirket faaliyetleri kapsamında işlenen vergi kaçakçılığı suçlarında kanuni temsilcinin sorumluluğuna ilişkin yaklaşımının değerlendirilmesi
Evaluation of the Court of cassation's approach to the liability of the legal representative for tax evasion crimes committed within the scope of corporation and limited liability company activities
MERT ANIL GÜLER
Yüksek Lisans
Türkçe
2024
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BALCA ÇELENER