Geri Dön

Generating solutions for data-driven decision making problems based on Bayesian models

Veri güdümlü karar verme problemlerine Bayesçi modellerle çözümler sunulması

  1. Tez No: 832744
  2. Yazar: SEDEF ÇALI
  3. Danışmanlar: PROF. DR. ADİL BAYKASOĞLU
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2024

    Mimarlıkİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. YÜKSEL DEMİR

  2. 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

    Türkçe

    2022

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DENİZ ARTAN

  3. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DEVRİM AKGÜN

    PROF. DR. SEZGİN KAÇAR

  4. 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

    Türkçe

    2024

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    PROF. DR. FUNDA YİRMİBEŞOĞLU

  5. Applications of deep reinforcement learning for advanced driving assistance systems

    İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları

    MUHARREM UĞUR YAVAŞ

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR