Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: SEDEF ÇALI
Danışman: ADİL BAYKASOĞLU
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
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.