Text mining: A burgeoning quality improvement tool

Abstract

Elimizdeki metin verileri sürekli artmakla beraber, içerdiği bilginin karmaşalılığı vehacmi nedeniyle metinleri, insan gayretiyle yönetmek kesinlikle yetersizkalmaktadır. Netice itibariyle, insan analizine yardımcı olabilmesi için,otomatikleştirilen çok büyük hacimlerdeki metin verilerinden yararlı bilgileriçıkarma gerksinimi apaçıktır. Metin veri madenciliği (MVM), çoğunlukla, metinverilerinden bilgi bulmayı hedefleyen otomatikleştirilmiş bir yöntemdir. Bu tezde,metin veri madenciliğinin kavramı, teknikleri ve uygulamaları sunulmaktadır.Çalışma, özellikle, metin sınıflandırmayla ilgili kavramların tanıtım ve ana fikirlerinisağlamaktadır. Bu da, doküman simgeleme modelleri, ağırlık verme metotları,özellik seçme metotları, özellik çıkarma, performans değerlendirme ve makineöğrenim tekniklerini içermektedir. Tez, metin veri madenciliğin bir kalite iyileştirmearacı olma görevselliğinden ayrıntılı bahsetmektedir. Hizmet sektörü ve imalatendüstrisinde metin veri madenciliği uygulamaları ile ilgili kapsamlı incelemeleryapılmaktadır. Tez, otelcilik sektörü (yorum kartı analizi) ve otomobil imalatı(galonda kaç mil) üzerinde uygulanan metin veri madenciliğinin iki geniş deneyselçalışmasını sunmaktadır.Ana Kelimeler: Metin Veri Madenciliği, Metin Sınıflandırma, Kalite İyileştirme,Hizmet Sektörü, İmalat Endüstrisi.

While the amount of textual data available to us is constantly increasing, managingthe texts by human effort is clearly inadequate for the volume and complexity of theinformation involved. Consequently, requirement for automated extraction of usefulknowledge from huge amounts of textual data to assist human analysis is apparent.Text mining (TM) is mostly an automated technique that aims to discover knowledgefrom textual data. In this thesis, the notion of text mining, its techniques, applicationsare presented. In particular, the study provides the definition and overview ofconcepts in text categorization. This would include document representation models,weighting schemes, feature selection methods, feature extraction, performancemeasure and machine learning techniques. The thesis details the functionality of textmining as a quality improvement tool. It carries out an extensive survey of textmining applications within service sector and manufacturing industry. It presents twobroad experimental studies tackling the potential use of text mining for the hotelindustry (the comment card analysis), and in automobile manufacturer (miles pergallon analysis).Keywords: Text Mining, Text Categorization, Quality Improvement, Service Sector,Manufacturing Industry.