Günümüzde karşı konulmaz teknolojik gelişmelerle birlikte internet ortamında veriler sürekli artış göstermektedir. Bu nedenle son yıllarda araştırmacılar özgün veri kaynağı olarak çoğunlukla interneti kullanmaktadırlar. Fakat, internet üzerinden elde edilen veriler oldukça karmaşıktır. Bu karmaşık verilerden anlamlı ve güvenilir veriler elde etmek son derece önemlidir. Bunu başarmak için, araştırmacıların standart derleme araçlarını kullanarak gözlemledikleri verileri dönüştürmeleri gerekmektedir. Bu sayede hem analizi mümkün olmayan veriler kullanılır hale gelmekte hem de araştırmacılar veriler üzerinde kolayca analizler yapabilmektedirler. Sonuç olarak istenilen bilgiye kolay erişim sağlanabilmektedir. Bu tez çalışmasında, alışveriş yapan tüketicilerin hızlı ve bilinçli alışveriş yapmalarını sağlamak amacıyla, tüketicilerin gıda ürünlerinin içeriklerine kolayca erişmelerini sağlayan mobil tabanlı bir sistem geliştirilmiştir. Geliştirilen bu sistem önceden belirlenmiş ürün özelliklerini temel alıp, tüketici tarafından yapılan sorgulamalar sonucunda ilgili ürüne ait gerekli bilgileri kullanıcılara sunmayı hedeflemektedir. Geliştirilen sistem, kullanıcılara farklı perspektiflerden istedikleri bilgilere erişme imkanı sağlayarak, kişiselleştirilmiş bir deneyim sunmaktadır. Bu sayede, tüketiciler ihtiyaç duydukları bilgilere kolaylıkla erişim sağlayabilir ve alışveriş deneyimlerini geliştirebilir. Bu tez çalışmasında, 4 farklı kategoriden elde edilen 1000 farklı gıda ürününün internet üzerindeki verileri toplanmıştır. Bu veriler daha sonra derlenmiş ve yeni ve özgün bir veri seti oluşturulmuştur. Bu tez çalışmasında, ayrıca, 4 farklı sınıflandırma algoritması elde ettimiz veri seti üzerinde uygulanarak bu algoritmaların sınıflandırma yetenekleri test edilmiştir. Bu algoritmalar Naive Bayes, K-En Yakın Komşu, Çok Katmanlı Algılayıcı ve Karar Ağaçları algoritmalarıdır. Bu algoritmaların tercih edilmesinin nedeni, daha önceki çalışmalarda kanıtlanmış yüksek performanslarıdır. Algoritmaların performanslarının kapsamlı bir değerlendirmesi sonucunda, farklı algoritmaların çeşitli gıda ürünlerini sınıflandırmada farklı sonuçlar verdiği gözlemlenmiştir. Bu çalışma da ana hedef internet ortamındaki verilerin etkin bir şekilde kullanılarak kullanıcı odaklı yeni ve özgün veri setinin oluşturulması ve geliştirilen mobil tabanlı sistem ile tüketicilerin alışveriş deneyimlerini daha bilinçli hale getirilmesidir. Bu sistem tüketicilere istedikleri bilgilere daha kolay ve hızlı bir şekilde erişme olanağı sunmaktadır. Böylece, tüketiciler daha bilinçli alışverişler yapabilir ve gıda ürünleri hakkında ihtiyaç duydukları bilgilere daha rahatlıkla erişebilirler. Anahtar Kelimeler : Örüntü tanıma, metin madenciliği, sınıflandırma.
Nowadays with the irresistible technological development, data on the internet is constantly increasing. For this reason, in recent years, researchers have mostly used the internet as an original data source. However, the data obtained over the internet is quite complex. It is extremely important to obtain meaningful and reliable data from this complex data. To achieve this, researchers need to transform the data they observed using standard compilation tools. In this way, data that cannot be analyzed becomes available and researchers can easily analyze the data. As a result, easy access to the desired information can be achieved. In this thesis study, a mobile-based system that allows consumers to easily access the contents of food products is developed in order to enable consumers to shop quickly and consciously. This developed system is based on predetermined product features and aims to provide users with the necessary information about the relevant product as a result of inquiries made by the consumer. The developed system offers users a personalized experience by allowing them to access the information they want from different perspectives. In this way, consumers can easily access the information they need and improve their shopping experience. In this thesis study, 1000 different food products data obtained from 4 different categories are collected from internet. These data are then compiled and a new and original data set are created. In this thesis study, 4 different classification algorithms are also applied on the obtained data set and the classification abilities of these algorithms are tested. These algorithms are Naive Bayes, K-Nearest Neighbor, Multi-Layer Perceptron and Decision Trees algorithms. The reason why these algorithms are preferred is their high performance, proven in previous studies. As a result of a comprehensive evaluation of the performance of the algorithms, it has been observed that different algorithms give different results in classifying various food products. The main goal of this study is to effectively use the data on the internet, create a user-oriented, new and original data set, and make consumers' shopping experiences more conscious with the developed mobile-based system. This system offers consumers the opportunity to access the information they want more easily and quickly. Thus, consumers can make more informed purchases and access the information they need about food products more easily. Keywords : Pattern recognition, text mining, classification.
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, 2023.
Kaynakça var.
Günümüzde karşı konulmaz teknolojik gelişmelerle birlikte internet ortamında veriler sürekli artış göstermektedir. Bu nedenle son yıllarda araştırmacılar özgün veri kaynağı olarak çoğunlukla interneti kullanmaktadırlar. Fakat, internet üzerinden elde edilen veriler oldukça karmaşıktır. Bu karmaşık verilerden anlamlı ve güvenilir veriler elde etmek son derece önemlidir. Bunu başarmak için, araştırmacıların standart derleme araçlarını kullanarak gözlemledikleri verileri dönüştürmeleri gerekmektedir. Bu sayede hem analizi mümkün olmayan veriler kullanılır hale gelmekte hem de araştırmacılar veriler üzerinde kolayca analizler yapabilmektedirler. Sonuç olarak istenilen bilgiye kolay erişim sağlanabilmektedir. Bu tez çalışmasında, alışveriş yapan tüketicilerin hızlı ve bilinçli alışveriş yapmalarını sağlamak amacıyla, tüketicilerin gıda ürünlerinin içeriklerine kolayca erişmelerini sağlayan mobil tabanlı bir sistem geliştirilmiştir. Geliştirilen bu sistem önceden belirlenmiş ürün özelliklerini temel alıp, tüketici tarafından yapılan sorgulamalar sonucunda ilgili ürüne ait gerekli bilgileri kullanıcılara sunmayı hedeflemektedir. Geliştirilen sistem, kullanıcılara farklı perspektiflerden istedikleri bilgilere erişme imkanı sağlayarak, kişiselleştirilmiş bir deneyim sunmaktadır. Bu sayede, tüketiciler ihtiyaç duydukları bilgilere kolaylıkla erişim sağlayabilir ve alışveriş deneyimlerini geliştirebilir. Bu tez çalışmasında, 4 farklı kategoriden elde edilen 1000 farklı gıda ürününün internet üzerindeki verileri toplanmıştır. Bu veriler daha sonra derlenmiş ve yeni ve özgün bir veri seti oluşturulmuştur. Bu tez çalışmasında, ayrıca, 4 farklı sınıflandırma algoritması elde ettimiz veri seti üzerinde uygulanarak bu algoritmaların sınıflandırma yetenekleri test edilmiştir. Bu algoritmalar Naive Bayes, K-En Yakın Komşu, Çok Katmanlı Algılayıcı ve Karar Ağaçları algoritmalarıdır. Bu algoritmaların tercih edilmesinin nedeni, daha önceki çalışmalarda kanıtlanmış yüksek performanslarıdır. Algoritmaların performanslarının kapsamlı bir değerlendirmesi sonucunda, farklı algoritmaların çeşitli gıda ürünlerini sınıflandırmada farklı sonuçlar verdiği gözlemlenmiştir. Bu çalışma da ana hedef internet ortamındaki verilerin etkin bir şekilde kullanılarak kullanıcı odaklı yeni ve özgün veri setinin oluşturulması ve geliştirilen mobil tabanlı sistem ile tüketicilerin alışveriş deneyimlerini daha bilinçli hale getirilmesidir. Bu sistem tüketicilere istedikleri bilgilere daha kolay ve hızlı bir şekilde erişme olanağı sunmaktadır. Böylece, tüketiciler daha bilinçli alışverişler yapabilir ve gıda ürünleri hakkında ihtiyaç duydukları bilgilere daha rahatlıkla erişebilirler. Anahtar Kelimeler : Örüntü tanıma, metin madenciliği, sınıflandırma.
Nowadays with the irresistible technological development, data on the internet is constantly increasing. For this reason, in recent years, researchers have mostly used the internet as an original data source. However, the data obtained over the internet is quite complex. It is extremely important to obtain meaningful and reliable data from this complex data. To achieve this, researchers need to transform the data they observed using standard compilation tools. In this way, data that cannot be analyzed becomes available and researchers can easily analyze the data. As a result, easy access to the desired information can be achieved. In this thesis study, a mobile-based system that allows consumers to easily access the contents of food products is developed in order to enable consumers to shop quickly and consciously. This developed system is based on predetermined product features and aims to provide users with the necessary information about the relevant product as a result of inquiries made by the consumer. The developed system offers users a personalized experience by allowing them to access the information they want from different perspectives. In this way, consumers can easily access the information they need and improve their shopping experience. In this thesis study, 1000 different food products data obtained from 4 different categories are collected from internet. These data are then compiled and a new and original data set are created. In this thesis study, 4 different classification algorithms are also applied on the obtained data set and the classification abilities of these algorithms are tested. These algorithms are Naive Bayes, K-Nearest Neighbor, Multi-Layer Perceptron and Decision Trees algorithms. The reason why these algorithms are preferred is their high performance, proven in previous studies. As a result of a comprehensive evaluation of the performance of the algorithms, it has been observed that different algorithms give different results in classifying various food products. The main goal of this study is to effectively use the data on the internet, create a user-oriented, new and original data set, and make consumers' shopping experiences more conscious with the developed mobile-based system. This system offers consumers the opportunity to access the information they want more easily and quickly. Thus, consumers can make more informed purchases and access the information they need about food products more easily. Keywords : Pattern recognition, text mining, classification.