Machine learning for webpage classification on AI integrated Erasmus web application
Yapay zeka entegrasyonlu Erasmus web uygulamasında web sayfası sınıflandırması için makine öğrenimi
- Tez No: 901557
- Danışmanlar: DR. ÖĞR. ÜYESİ SELİN NACAKLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Bu tez, yapay zeka entegrasyonu ile Erasmus web uygulamaları üzerinde web sayfası sınıflandırması için makine öğrenimi algoritmalarının uygulanmasını araştırmaktadır. Çalışmada, web sayfalarının“Akademik Takvimler”ve“Erasmus ile ilgili sayfalar”olmak üzere iki ana kategoriye ayrılması hedeflenmiştir. Kullanılan makine öğrenimi modelleri arasında Random Forest, Lojistik Regresyon, Destek Vektör Makineleri (SVM), K-en Yakın Komşular (KNN), Karar Ağaçları, GPT ve BERT yer almaktadır. Web sayfaları, bu modellerle eğitilip doğrulanmış bir veri seti üzerinde değerlendirilmiştir. Ek olarak, web uygulamasına en güncel sayfaları almak için web kazıma yöntemleri entegre edilmiş ve Erasmus başvurularına özgü bilgi geri alımı için Gemini AI kullanılmıştır. Modellerin performansı doğruluk, hassasiyet, geri çağırma ve F1 skoru gibi metriklerle ölçülmüş; Random Forest, BERT ve GPT modelleri en yüksek doğruluk oranlarını sağlamıştır. Bu çalışma, Erasmus web platformlarının yapay zeka odaklı çözümlerle nasıl optimize edilebileceğini göstererek, kullanıcı deneyimini iyileştirmeyi ve bilgi erişimini hızlandırmayı amaçlamaktadır
Özet (Çeviri)
This thesis explores the application of machine learning algorithms for webpage classification on an AI-integrated Erasmus web application. The study aims to classify web pages into two main categories:“Academic Calendars”and“Erasmus-related pages.”The machine learning models used include Random Forest, Logistic Regression, Support Vector Machines (SVM), K-Nearest Neighbors (KNN), Decision Trees, GPT, and BERT. These models were trained and validated on a dataset annotated with the predefined categories. Additionally, web scraping methods were integrated into the web application to obtain the most up-to-date pages, and AI integration was achieved using Gemini for retrieving specific information related to Erasmus applications. The models' performance was evaluated using metrics such as accuracy, precision, recall, and F1-score, with Random Forest, BERT, and GPT showing the highest classification accuracy. This study highlights the potential of AI-driven solutions to optimize Erasmus web platforms, aiming to enhance user experience and improve information retrieval efficiency
Benzer Tezler
- Comparison of active learning based hierarchical classification approaches on twitter
Twitter alanında hiyerarşik sınıflandırma yöntemini temel alan aktif öğrenmenin karşılaştırılması
RASHİD ZAMAN
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. YÜCEL SAYGIN
- İklimlendirme sistemleri üzerinde makine öğrenmesi ile anomali tespiti
Anomaly detection with machine learning on air conditioning systems
REFİK KİBAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK
DR. ÖĞR. ÜYESİ KEVSER OVAZ AKPINAR
- Using machine learning techniques to enhance teaching and performance prediction of students with autism spectrum disorders
Yapay öğrenme yöntemleri ile otizm spektrum bozukluğu olan öğrencilerin öğretiminin ve öğretim performansı tahmininin iyileştirilmesi
AKRAM M.M. RADWAN
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Metin madenciliği ve makine öğrenmesi ile internet sayfalarının sınıflandırılması
Web page classification using text mining and machine learning
İLKER ŞAHİN
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OUMOUT CHOUSEIN OGLOU
- İçerik tabanlı web sayfası kategorizasyonu
Content based web page categorization
EBUBEKİR BÜBER
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ