Metin madenciliği kullanılarak talep tanıma ve yönlendirme sistemi
Petition detection and forward system using text mining
- Tez No: 434820
- Danışmanlar: DOÇ. DR. TEVHİT KARACALI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Günümüzde büyük ölçekli işletmelerde birçok birim bulunmakta ve bu birimlere gönderilen dilekçeler, bir görevli tarafından ait oldukları birimlere teslim edilmektedir. Bu yol ile teslim edilen dilekçeler, büyük ölçekli kurumlarda zaman ve hız açısından eksiklik teşkil etmektedir. Dilekçenin gönderildiği anda teslim edilemeyip ilgili yerlere teslim edilmesi için kategorize işlemlerinin yapılması ve buna bağlı olarak verilen cevapların da aynı şekilde karşı tarafa iletilmesi, zaman ve hız kaybına sebep olmakta ve bu durum işlerin aksamasına sebebiyet vermektedir. Ayrıca yöneticilerin onay beklemekte olan dilekçeleri takip edememesi, dilekçe tanıma konusunda yeni bir çalışma ihtiyacı doğurmuştur. Bu tez çalışmasında dilekçelerin dağıtım problemlerine çözüm olarak kurumun herhangi bir birimden gönderilen elektronik dilekçe, dilekçe tanıma sisteminden geçirilerek işlenmektedir. Dilekçe içerisinde bulunan cümleler OCR (Optik Karakter Tanıma) ile karakter taraması yapılarak ve eksik ya da yanlış tanınmış karakterler Levenshtein algoritması ile düzeltilerek bilgisayar ortamına aktarılmaktadır. Daha sonra metin madenciliği yöntemi olan Multinominal Naive Bayes yöntemi ile dilekçeler kategorize edilerek ait oldukları birimlere otomatik olarak yönlendirilmektedir.
Özet (Çeviri)
Nowadays, there are many departments in large scale institutions and the petitions which are sent to these departments are delivered tothe departments which they belong to by an employee. The petitions delivered through this way represent the lack of time and speed in the large scale institutions. Making categorization for submisson to the appropriate departments and correspondingly transmitting to the other party in the same manner of given answers causes a loss of time and speed. This case gave rises to the interruption of this work. Fort he automatic submisson of the petition, administrastors can not track petitions pending approval, so that a new study has led to need to categorize the petitions into departments. In this thesis, as a solution to distribution problems of the petitions the electronic petition which sent from anyone emplooye in the department. The sentences include in the text of petition is forwarded to computer area with OCR and Levenshtein algorithm is used to correct the incorrect words. And then a text mining technique namely Multinominal Naive Bayes is used to classify the petitions and they are forwarded automatically to departments which they belong to.
Benzer Tezler
- A challenge to copyright: Text and data mining
Telif hukukunda metin ve veri madenciliği
ESMA MUHEYNE DOĞAN
Yüksek Lisans
İngilizce
2024
Hukukİstanbul Medeniyet ÜniversitesiÖzel Hukuk Ana Bilim Dalı
DOÇ. DR. CAHİT SULUK
- Large language models for biomedical relation extraction and explanation
Biyomedikal metinlerde ilişki çıkarımı ve açıklanması için büyük dil modelleri
NUR BENGİSU ÇAM
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
- Türkiye'deki havayolu firmalarıyla ilgili sosyal medya yorumlarının makine öğrenmesi yöntemleriyle sınıflandırılması
Classification of social media comments about airline companies in Turkey by machine learning methods
HATİCE ELİF EKİM
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER
- Thyroid disorders prediction using long short term memory (LSTM) technique with non dominated sorting genetic algorithm (NSGA-II) as risk factor feature determination
Başlık çevirisi yok
SAHAR JASIM MOHAMMED
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Finsentiment: Predicting financial sentiment and risk through transfer learning
Başlık çevirisi yok
ZEHRA ERVA ERGÜN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE SEFER