Metin madenciliği tekniklerini kullanarak faaliyet bazlı proje yönetiminde bilgi yönetimi süreçleri için derin öğrenme modeli

Abstract

Bilgisayarların ortaya çıkışından itibaren internet ve iletişim teknolojilerinin de gelişmesiyle insanlar daha fazla bilgiye erişim olanakları bulmuş ve günden güne artan çok sayıdaki veriyi depolamak için veri tabanları oluşturulmuştur. Sürekli artmakta olan bu büyük miktardaki verilerden anlamlı bilgiler edinmek kuruluşlar için hayati bir öneme sahiptir. Dolayısıyla bilginin organize edilip depolanması, paylaşımı, çeşitli yaklaşımlarla anlamlı hale getirilmesi ve güncellenmesi kısacası bilginin yönetimi üzerinde sıkça durulan konu haline gelmiştir.Son zamanlarda araştırmacılar metin halindeki verilerinden anlamlı bilgiyi edinmek için çalışmalarını metin madenciliği yaklaşımları üzerinde yoğunlaştırmışlardır. Metin madenciliği bir metin kaynağından faydalı bilgiler çıkarmanın yöntemidir. Veri madenciliğinden farklı olarak veri metinlerden oluşmaktadır. Veri tabanlarında bulunan metin halindeki bilgiyi kolayca elde etmek için kategorizasyon yöntemleri uygulanmaktadır. İnsan aracılığıyla manuel olarak yapılan bu kategorize etme işlemi, veri sayısının sürekli artmasından dolayı bu işlem zahmetli ve zaman alan bir eylem haline gelmiştir. Bu probleme çözüm olarak metin madenciliği yaklaşımları kullanılarak otomatik kategorizasyon modelleri geliştirilmektedir. Bu bağlamda önceden manuel olarak kategorileri tanımlanmış metin belgeleri yardımıyla yeni oluşan metin halindeki verilerin kategorizasyonu yapılabilmektedir.Bu çalışmanın amacı, `projelerde bilgi süreçleri için metin madenciliği teknikleri kullanılarak bir derin öğrenme modeli` oluşturmaktır. Çalışmada, bir yazılım projesinin test aşamasında ortaya çıkan Türkçe metinlerden oluşan problemleri sınıflandırmak için derin öğrenme esaslı sınıflandırma metodolojileri kullanılmıştır. Derin öğrenme modellerinin oluşturulmasında, Evrişimli Sinir Ağları (Convolutional Neural Networks, CNN) ve Çift Yönlü Uzun Kısa Süreli Bellek (Bidirectional Long Short-Term Memory, BLSTM) Ağları yöntemleri uygulanmıştır.

Since the advent of the computers, with the development of internet and communication technologies, people have access to more information and databases have been created to store a growing number of data. It is vital for organizations to gain meaningful information from this ever-increasing amount of data. Therefore, organizing and storing information, sharing it, making it meaningful and updating it with various approaches, in short, management of information has become a topic that is frequently emphasized.Recently, researchers have intensified their studies on text mining approaches to obtain meaningful information from textual data. Text mining is a method of extracting useful information from a text source. Unlike data mining, data consists of texts. Categorization methods are applied in order to obtain the information in text form in the databases easily. This categorization process, which is performed manually by human, has become a laborious and time-consuming action due to the continuous increase in the number of data. As a solution to this problem, automatic categorization models are developed by using text mining approaches. In this context, categorization of newly formed text data can be done with the help of text documents whose categories are defined manually.The aim of this study is to create a deep learning model for knowledge processes in projects by using text mining techniques. In this study, deep learning based classification methodologies have been used to classify the problems arising during the testing phase of a software project consisting of Turkish texts. In constructing deep learning models, Convolutional Neural Networks (CNN) and Bidirectional Long Short-Term Memory (BLSTM) Networks has been applied.