Generating solutions for data-driven decision making problems based on Bayesian models
Veri güdümlü karar verme problemlerine Bayesçi modellerle çözümler sunulması
- Tez No: 832744
- Danışmanlar: PROF. DR. ADİL BAYKASOĞLU
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 114
Özet
Çok kriterli karar verme (ÇKKV), çok sayıda ve birbirleriyle çelişen kriter değerlendirmelerini dikkate alarak alternatifler içerisinden en uygununu seçmeleri konusunda karar vericilere destek olan yöneylem araştırmasının bir alanıdır. İçinde bulunduğumuz bilgi çağında, internet teknolojilerindeki hızlı gelişmeler, e-ticarete olan yönelim, giderek artan veri hacmi ve çeşitliliği yeni veri-güdümlü karar verme problemlerini ortaya çıkarmaktadır. Geleneksel ÇKKV analizi büyük veri çağının getirdiği yeni karar verme problemlerinin çözümlerinde, belirsizlikleri ve kriter etkileşimlerini ele almakta zayıf kalmaktadır. Bu tezde, online müşteri yorumlarından müşterilerin ürünlerin hangi özelliklerine ne ölçüde önem verdiğine dair çıkarsama yapma ve ürün sıralamalarını belirleme problemleri ele alınmıştır. Bu veri güdümlü karar verme problemlerinin çözümü için ÇKKV analizinin zayıf yönlerini destekleyen Bayes teoremine dayalı makine öğrenmesi algoritmalarına başvuran karar destek methodolojileri geliştirilmiştir. Tezin ilk kısmında Markov zinciri Monte Carlo simulasyonuna dayalı yeni bir kriter ağırlığı belirleme yöntemi geliştirilmiştir. Geliştirilen yöntem, bir e-ticaret sitesinde satışa sunulan cep telefonlarına ait ürün özellikleri ve genel müşteri puanlaması verisine uygulanarak müşterilerin ürünün hangi özelliğine daha çok önem verdikleri çıkarsanmıştır. İkinci kısımda, hem sayısal hem metinsel müşteri değerlendirmeleri analizi içeren ve Bayes ağları ve çizge teorisi-matris yaklaşımından yararlanan otel sıralaması methodolojisi geliştirilmiştir. Türkçe müşteri yorumlarını sayısal puanlamaya dönüştürmek üzere yeni bir duygu analizi algoritması sunulmuştur. Dolayısıyla bu tez büyük veri analizi ve makine öğrenmesi entegreli ÇKKV analizi literatürüne orijinal katkılar içermektedir.
Özet (Çeviri)
Multi-criteria decision-making (MCDM) is a sub-field of operations research which assists decision-makers in choosing the most appropriate alternative among the alternatives by considering multiple and conflicting criteria assessments. In the information age we are in, the rapid developments in Internet technologies, the expansion of e-commerce, the rising volume of data, and diversity lead to new data-driven decision-making problems. Traditional MCDM analysis remains weak in solving new decision-making problems brought by the big data age, addressing uncertainties and criteria interactions. This thesis addresses the problems of inferring to what extent customers give weight to product characteristics and determining product rankings from online customer reviews. Decision-support methodologies have been developed which use machine learning algorithms based on Bayes' theorem, enhancing the shortcomings of MCDM analysis, to solve these data-driven decision-making problems. In the first part of the thesis, a new criterion weighting method was developed using the Markov chain Monte Carlo simulation. The method has been applied to the dataset, including the product characteristics and overall customer ratings on the mobile phones sold on e-commerce website, to determine which characteristic of the product customers put more weight on. In the second part, the hotel ranking methodology, including the analysis of both numerical and textual customer reviews, is developed using Bayesian networks and the graph theory-matrix approach. A new sentiment analysis algorithm has been introduced to convert textual reviews in Turkish into numerical scores. Therefore, this thesis contains original contributions to the literature of MCDM integrated with big data analysis and machine learning.
Benzer Tezler
- Sistemli mimari tasarım sürecinde üretken bir yapay yardımcı önerisi
Proposal for a productive artificial aid in the systematic architectural design process
BETÜL ŞEN
Yüksek Lisans
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. YÜKSEL DEMİR
- İnşaat projelerinde akıllı mobil cihazlarla desteklenen verimlilik kontrol sistemi önerisi ve kullanım deneyimleri hakkında inceleme
Smart mobile devices integrated productivity control system proposal and analysis of user experiences in the construction projects
ONUR KEREM ÖRENLİ
Yüksek Lisans
Türkçe
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ARTAN
- Yüksek çözünürlüklü görüntülerde derin öğrenme tabanlı nesne tespiti için yeni bir önişleme yöntemi geliştirilmesi
Development of a new preprocessing method for deep learning based object detection in high resolution images
MUHAMMED TELÇEKEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
PROF. DR. SEZGİN KAÇAR
- Bulanık mantık yaklaşımıyla Türkiye'de sürdürülebilir şehir, yerleşme performansının değerlendirilmesi ve akıllı-ekolojik konut alanı modeli
Evaluated performance of sustinable city and settlements in Turkey through fuzzy logic approach and smart-ecological housing area model
ECE ÖZMEN
Doktora
Türkçe
2024
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FUNDA YİRMİBEŞOĞLU
- Applications of deep reinforcement learning for advanced driving assistance systems
İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları
MUHARREM UĞUR YAVAŞ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR