RAG tabanlı büyük dil modelleriyle kurumsal sohbet robotu tasarımı ve uygulaması
Design and implementation of a enterprise chatbot with RAG based big language models
- Tez No: 995850
- Danışmanlar: PROF. DR. ENGİN AVCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Büyük Dil Modelleri (BDM), doğal dil işleme tabanlı sohbet robotları ve soru-cevap sistemlerinde yaygın olarak kullanılmakta; ancak güncel ve alan-özgü bilgi gerektiren kurumsal bağlamlarda doğruluk ve güvenilirlik sorunları ortaya çıkabilmektedir. Bu tez çalışmasının amacı, BDM tabanlı kurumsal sohbet sistemlerinde halüsinatif içerikleri azaltmak ve yanıt doğruluğunu artırmaya yönelik doğrulama odaklı bir yaklaşım geliştirmektir. Çalışmanın temel hipotezi, Retrieval-Augmented Generation (RAG) mimarisine entegre edilen bir doğrulama katmanının, üretilen yanıtların geri getirilen bağlamla olan tutarlılığını artıracağı ve halüsinatif içerik oranını azaltacağı yönündedir. Ayrıca önerilen yaklaşımın, sistemin genel işlem verimliliğini olumsuz etkilemeden uygulanabilir olduğu varsayılmaktadır. Araştırmanın örneklemini, Türkçe kurumsal metinlerden oluşturulmuş bir doküman koleksiyonu ve bu koleksiyon üzerinden hazırlanan soru-cevap veri seti oluşturmaktadır. Çalışmada, temel RAG mimarisi ile önerilen doğrulama katmanı entegre edilmiş RAG yaklaşımı karşılaştırmalı olarak değerlendirilmiştir. Yöntem kapsamında, geri getirilen belgeler ile üretilen yanıtlar arasındaki tutarlılık cümle düzeyinde analiz edilmiş ve doğruluk performansı nicel metrikler aracılığıyla ölçülmüştür. Elde edilen bulgular, doğrulama katmanının halüsinatif içerik oranını azalttığını ve yanıtların bağlamsal tutarlılığını artırdığını göstermektedir. Sonuç olarak bu tez, Türkçe kurumsal sohbet sistemlerinde doğruluk ve güvenilirliği artırmaya yönelik uygulanabilir bir yöntem sunmaktadır.
Özet (Çeviri)
Large Language Models are widely used in chatbot and question answering systems due to their strong natural language understanding and generation capabilities. However, when applied to institutional contexts that require accurate, up to date, and domain specific information, these models may generate incomplete, inaccurate, or hallucinated responses, which limits their reliability. The aim of this thesis is to improve the accuracy and trustworthiness of institutional chatbot systems by addressing hallucination related limitations of Large Language Models through a verification oriented approach. In this study, a Retrieval Augmented Generation architecture is adopted and extended with an additional verification layer designed to evaluate the consistency between retrieved documents and generated responses. The proposed method analyzes response content at the sentence level to determine whether the generated information is supported by the retrieved context. The experimental setup is based on a dataset constructed from Turkish institutional documents and a corresponding question answering set. A comparative evaluation is conducted between a baseline Retrieval Augmented Generation system and the proposed architecture with the verification layer. The findings indicate that incorporating verification into the generation pipeline reduces hallucinated content and improves contextual consistency of the responses without causing a significant decrease in system efficiency. The results demonstrate that the proposed approach provides an effective and applicable solution for enhancing the reliability of institutional chatbot systems operating on Turkish language data.
Benzer Tezler
- Kütük kayıtlarından çizge sinir ağları tabanlı anomali tespiti
Graph neural networks based anomaly detection from log records
ALİ YILMAZ
Doktora
Türkçe
2026
Mühendislik BilimleriFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. RESUL DAŞ
- Bağlam farkındalıklı otomatik kod inceleme: Bilgi haritaları ve dinamik uzman yönlendirmesi
Context-aware automated code review: Knowledge maps and dynamic expert routing
BÜŞRA İÇÖZ
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKSEL BİRİCİK
- Kalp hastalıklarının tanısında yapay zeka tabanlı klinik karar destek sistemi geliştirmesi
Development of an artificial intelligence-based clinical decision support system for the diagnosis of heart diseases
KEREMCAN KARAKAYA
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ULAŞ
- Büyük dil modellerinde çoklu ajan iş birliği ile dijital dokümanlardan bilgi çıkarım mimarisi geliştirilmesi
Development of an information extraction architecture from digital documents using multi-agent collaboration in large language models
MUHAMMET CÜNEYD KURTBAŞ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SAYAR
- İnce ayarlanmış RAG bileşenlerini kullanarak Türkçe veri setleri için yeni bir füzyon yöntemi ile yeniden sıralama konfigürasyonu
A new fusion reranking pipeline for Turkish datasets using fine-tuned RAG components
ERDOĞAN BIKMAZ
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR ARSLAN