Geri Dön

Yenilikçi problem çözümlerinde yapay zeka tabanlı karar destek sistemi oluşturma

Creating an ai-based decision support system with innovative problem solutions

PDF İndir

  1. Tez No: 893208
  2. Yazar: SEHER SOLMAZ
  3. Danışmanlar: PROF. DR. MAHİR DURSUN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Yapay zeka teknolojisinde sürekli devam eden gelişmeler neticesinde, günümüzde hemen hemen her alanda uygulanabilir hale gelmiştir. Bu kapsamda hukuki araştırmalar, karar tahmini, dava yönetimi ve diğer hukuki süreçlerin daha etkili ve verimli hale getirilmesini sağlamaktadır. Bu tez çalışmasında, Kamu Denetçiliği Kurumu tarafından kurumun internet sitesinde yayınlanan kamu erişime açık kişisel verilerden arındırılmış verilerle karar destek sistemi oluşturulmuştur. Sistem karar tahmini ve taslak karar metni üretimi olmak üzere iki kısımdan oluşmaktadır. İlk kısım olan karar tahmini için denetimli makine öğrenme modelleri (Karar Ağacı, Destek Vektör Makinesi, Naïve Bayes, K-en Yakın Komşu, Lojistik Regresyon ve XGBoost) ve derin öğrenme modelleri (Evrişimsel Sinir Ağları , İleri Beslemeli Sinir Ağları, Mükerrer Birimli Sinir Ağı , Uzun ve Kısa Vade Hafızalı Sinir Ağı ve Çift Yönlü LSTM ) kullanılmıştır. Modeller eğitim sırasında, karar türü ve karar metninde yer alan“BAŞVURANIN İDDİA VE TALEPLERİ”kısmında bulunan metinlerle eğitilmiş diğer kısımlar modellere gösterilmemiştir. Makine öğrenmesi modelleri için metinler TF-IDF vektörlerine derin öğrenmesi modelleri için ise metinler tokenlere dönüştürülerek eğitilmiştir. Elde edilen sonuçlar ile farklı modellerin performansları karşılaştırmalı ve detaylı bir şekilde incelenmiştir. Test veri seti üzerinde Ombudsmanlık kararlarını en başarılı şekilde tahmin eden makine öğrenmesi modeli SVM, derin öğrenme modeli ise GRU ve LSTM olduğu gözlemlenmiştir. Taslak karar metni oluşturmak için ytu-ce-cosmos/turkish-gpt2-large modeli ile fine-tuning işlemi yapılmıştır. Fine-tuning işleminde model karar türü, şikayet konusu, şikayet alt konusu ve karar metninde yer alan“KARAR”kısmında bulunan metinlerle eğitilmiş diğer kısımlar gösterilmemiştir. Model metinlerle eğitilerek taslak karar metni oluşturması sağlanmıştır. Karar tahmininde SVM modeli ile %61, GRU ve LSTM modelleri ile %64 F1 skoru değerine ulaşılmıştır. Fine-tuning işleminde eğitim kaybı 0,26 ve doğrulama kaybı 0,23 olan başarılı bir model elde edilmiştir. Oluşturulan karar destek sistemi, hukuk alanında daha verimli karar verme sürecine yönelik önemli bir potansiyele sahiptir.

Özet (Çeviri)

Due to continuous advancements in artificial intelligence technology, it has become applicable in almost every field today. In this context, AI enables legal research, decision prediction, case management, and other legal processes to be conducted more effectively and efficiently. In this thesis, a decision support system was created using data published by the Ombudsman's Office on its website, which is free of personal data and open to public access. The system consists of two parts: decision prediction and draft decision text generation. For the first part, decision prediction, supervised machine learning models (Decision Tree, Support Vector Machine, Naïve Bayes, K-Nearest Neighbor, Logistic Regression, and XGBoost) and deep learning models (Convolutional Neural Networks, Feed Forward Neural Networks, Gated Recurrent Unit Neural Networks, Long Short-Term Memory Networks, and Bidirectional LSTM) were employed. During training, the models were provided with the decision type and the texts in the“applicant's claims and demands”section of the decision text, while other parts were excluded. For machine learning models, the texts were transformed into TF-IDF vectors, and for deep learning models, the texts were tokenized. The results obtained and the performance of the different models were compared and analyzed in detail. It was observed that SVM was the most successful machine learning model in predicting Ombudsman decisions on the test dataset, while GRU and LSTM were the most successful deep learning models. Fine-tuning was performed using the ytu-ce-cosmos/turkish-gpt2-large model to generate draft decision texts. During fine-tuning, the model was trained with the decision type, complaint subject, complaint sub-subject, and the text in the“decision”section, excluding other parts. The model was trained to generate a draft decision text. In decision prediction, an F1 score of 61% was achieved with the SVM model, while the GRU and LSTM models achieved an F1 score of 64%. In the fine-tuning process, a successful model was obtained with a training loss of 0.26 and a validation loss of 0.23. The decision support system holds significant potential for more efficient decision-making in the field of law.

Benzer Tezler

  1. Tez No

    756144

    Smart city concept and urban planning: Geographical analysis of the smart city index and implications for Turkish context

    Akıllı kent kavramı ve kent planlama: Akıllı kent indeksinin coğrafi çözümlemesi ve Türkiye bağlamına ilişkin çıkarsamalar

    KABEER SALEH TIJJANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Şehircilik ve Bölge PlanlamaMersin Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    YRD. DOÇ. DR. YASEMİN SARIKAYA LEVENT

  2. Tez No

    884346

    Çok kriterli karar verme yöntemlerinin bütünleştirilmesi ve kriter ağırlıklandırma önerileri: Alternatiflerin uzlaşık seçimi (AUS) yöntemi ve kriter ağırlıklandırma için yapay zeka (KAYZ)

    Integration of multi criteria decision making methods and criterion weighting suggestions: Consensus selection of alternatives (CSA) method and artificial intelligence for criterion weighting (AICW)

    AHMET BENGÖZ

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. CEVRİYE GENCER

  3. Tez No

    836462

    Applications of multi-agent systems in transportation

    Ulaşımda çoklu ajan sistemlerinin uygulamaları

    İLHAN TUNÇ

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET TURAN SÖYLEMEZ

  4. Tez No

    753040

    Lifelong learning for auditory scene analysis

    İşitsel sahne analizi için hayat boyu öğrenme

    BARIŞ BAYRAM

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN İNCE

  5. Tez No

    756742

    Görüntü işlemenin Convolutional Neural Network (CNN) modeli kullanılarak tarımsal alanda uygulanması: Hastalıklı yaprak tespiti

    Application of image processing in agriculture using the Convolutional Neural Network (CN) model: Leaf disease detection

    BETÜL KARAOĞLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKarabük Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMET TAHİR GÜNEŞER

    DR. ÖĞR. ÜYESİ İSA AVCI

Geri Dön