Quality of experience prediction for VoIP calls using MFCCS and machine learning algorithms
MFCCS ve makine öğrenme algoritmaları kullanarak VoIP aramaları için deneyim kalitesi tahmini
- Tez No: 816268
- Danışmanlar: DOÇ. DR. CEMAL OKAN ŞAKAR, DR. HACI HAKAN KILINÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine öğrenmesi, Mel frekans cepstral katsayıları (MFCC), Ses iletişimi, Yapay zeka, İnternet protokolleri, Machine learning, Mel frequency cepstral coefficients (MFCC), Voice communication, Artificial intelligence, Internet protocols
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojik ilerlemeler sayesinde gelişen internet altyapıları yüksek kaliteli ve düşük maliyetli iletişim servislerinin kolay erişilebilir olmasına imkan tanımaktadır. Buna karşın donanımsal ve yazılımsal sorunlar sunulan servis kalitesini doğrudan etkilemekte ve kullanıcıların deneyim kalitesini düşürmektedir. Aynı anda yüksek sayıda görüşmenin yapıldığı çağrı merkezlerinde ise bu sorunlar bir şikayet gelmeden önce tespit edilebilmelidir. Bunun için problemin kaynağı, izleme ve raporlama araçları tarafından hızlıca belirlenmelidir. Bu çalışmada Unified Communications as a Service (UCaaS) altyapısı üzerinde bulunan bir çağrı merkezi kullanıcılarının deneyimlediği iletişim kalitesini tahmin etmek için Random Forest (RF), Multilayer Perceptron (MLP), Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM) ve Consistent Rank Logits (CORAL) olmak üzere 5 farklı makina öğrenmesi modeli geliştirilmiştir. Tahminler 6 sınıfta (Kayıpsız, %5 Kayıp, %10 Kayıp, %15 Kayıp, %20 Kayıp ve %25 Kayıp) yapılmıştır. Elde edilen sonuçlar, MLP, CORAL, CNN, RF ve LSTM'nin sırasıyla 0.864, 0.853, 0.848, 0.829 ve 0.786 doğruluk elde ettiğini göstermiştir. Öte yandan, en yüksek doğruluk oranı %98,48 ile MLP ile“Kayıpsız”sınıfında elde edilirken, en düşük doğruluk oranı %61,24 ile LSTM modeli ile“%20 Kayıp”sınıfında elde edilmiştir. MLP dışında, tüm modeller doğruluk oranlarında“Kayıpsız”dan“%20 Kayıp”sınıflarına doğru bir düşüş eğilimi göstermiştir.
Özet (Çeviri)
The advent of technological advancements has facilitated the emergence of internet infrastructures, thereby enabling convenient access to communication services that boast both high quality and affordability. On the other hand, hardware and software problems directly affect the quality of service offered and reduce the experience quality of users. In call centers where a high number of calls are made at the same time, these problems should be detected before a complaint is received. For this, the source of the problem should be quickly identified by monitoring and reporting tools. In this study, Random Forest (RF), Multilayer Perceptron (MLP), Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM), and Consistent Rank Logits (CORAL) were used to estimate the communication quality experienced by call center users on Unified Communications as a Service (UCaaS) infrastructure. Predictions were made in 6 classes (No Loss, 5% Loss, 10% Loss, 15% Loss, 20% Loss and 25% Loss). The obtained results showed that the five different models, namely MLP, CORAL, CNN, RF, and LSTM, achieved accuracies of 86.4%, 85.3%, 84.8%, 82.9%, and 78.6%, respectively. On the other hand, the highest accuracy rate of 98.4% achieved in the No Loss class with MLP, while the lowest accuracy rate of 61.2% achieved in 20% Loss class with the LSTM model. Except for MLP, all models showed a declining trend in accuracy rates from the No Loss to 20% Loss classes.
Benzer Tezler
- Cam ve plastik seraların sonbahar domates üretimi yönünden karşılaştırılması
Başlık çevirisi yok
ERGUN DURAN
- İki katlı pamuk ipliklerinden dokunan kumaşlarda örgüye bağlı olarak maksimum atkı sıklığının değişimi üzerinde bir araştırma
Başlık çevirisi yok
MELTEM ASLI NARTER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Yenileme yatırımları
Başlık çevirisi yok
OSMAN NURİ FİLİZ
Yüksek Lisans
Türkçe
1986
İşletmeGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN OKKA
- Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması
Başlık çevirisi yok
ÜMİT AKÇAL
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL