Yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesi
Kurumsal şirketlerde, yazılımlardaki hatalar ve değişiklik talepleri genellikle bir talep yönetim sistemi üzerinden Bilgi Teknolojileri (BT) birimine iletilir. Bu sistemde yer alan öncelik bilgisi BT birimi için kritik öneme sahiptir. Ancak, talebi giren kişilerin inisiyatifine bırakılan öncelik kar...
Main Authors: | , |
---|---|
Format: | Article |
Language: | English |
Published: |
Pamukkale University
2019-10-01
|
Series: | Pamukkale University Journal of Engineering Sciences |
Subjects: | |
Online Access: | https://dergipark.org.tr/tr/pub/pajes/issue/49349/635258 |
id |
doaj-cab2ea421c4145c9b614f85fb1a7026f |
---|---|
record_format |
Article |
spelling |
doaj-cab2ea421c4145c9b614f85fb1a7026f2021-04-04T13:24:40ZengPamukkale UniversityPamukkale University Journal of Engineering Sciences1300-70092147-58812019-10-01255615620218Yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesiVolkan TunalıMurat Can TekinKurumsal şirketlerde, yazılımlardaki hatalar ve değişiklik talepleri genellikle bir talep yönetim sistemi üzerinden Bilgi Teknolojileri (BT) birimine iletilir. Bu sistemde yer alan öncelik bilgisi BT birimi için kritik öneme sahiptir. Ancak, talebi giren kişilerin inisiyatifine bırakılan öncelik kararı her zaman gerçekçi olmamaktadır. Örneğin, kritik olmayan ve düşük öncelikli bir değişiklik talebi yüksek öncelikli olarak girilebilmekte, bu da hatalı planlama ve müşteri memnuniyetsizliği ile sonuçlanabilmektedir. Bu çalışmada, iç müşteri talepleri metin madenciliği yöntemleriyle sınıflandırılarak taleplerin önem derecesi tahmin edilmeye çalışılmıştır. Sistemin eğitimi ve testi için kurumsal bir şirketin talep yönetim sisteminden alınan kayıtlar kullanılmıştır. Ham metin formundaki talep verisi üzerinde temizlik ve önişleme işlemlerinin ardından, doküman-terim matrisinin oluşturulmasında TF-IDF (Terim Frekansı – Ters Doküman Frekansı) ağırlıklandırma yönteminden yararlanılmıştır. Oluşturulan veri seti üzerinde çeşitli sınıflandırma algoritmaları test edilmiş ve en yüksek başarım %54.1 F-Skoru ile Sequential Minimal Optimization algoritmasıyla elde edilmiştir. Ayrıca, aşırı örnekleme yoluyla sınıfların dengeli hale getirildiği veri seti üzerinde ise en yüksek başarıma %74.5 F-Skoru değeri ile Random Forest algoritmasıyla ulaşılmıştır.https://dergipark.org.tr/tr/pub/pajes/issue/49349/635258software engineeringdemand prioritizationmachine learningtext classificationrandom forestyazılım mühendisliğitalep önceliklendirmeyapay öğrenmemetin sınıflandırmarandom forest |
collection |
DOAJ |
language |
English |
format |
Article |
sources |
DOAJ |
author |
Volkan Tunalı Murat Can Tekin |
spellingShingle |
Volkan Tunalı Murat Can Tekin Yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesi Pamukkale University Journal of Engineering Sciences software engineering demand prioritization machine learning text classification random forest yazılım mühendisliği talep önceliklendirme yapay öğrenme metin sınıflandırma random forest |
author_facet |
Volkan Tunalı Murat Can Tekin |
author_sort |
Volkan Tunalı |
title |
Yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesi |
title_short |
Yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesi |
title_full |
Yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesi |
title_fullStr |
Yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesi |
title_full_unstemmed |
Yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesi |
title_sort |
yazılım geliştirme taleplerinin metin madenciliği yöntemleriyle önceliklendirilmesi |
publisher |
Pamukkale University |
series |
Pamukkale University Journal of Engineering Sciences |
issn |
1300-7009 2147-5881 |
publishDate |
2019-10-01 |
description |
Kurumsal
şirketlerde, yazılımlardaki hatalar ve değişiklik talepleri genellikle bir
talep yönetim sistemi üzerinden Bilgi Teknolojileri (BT) birimine iletilir. Bu
sistemde yer alan öncelik bilgisi BT birimi için kritik öneme sahiptir. Ancak,
talebi giren kişilerin inisiyatifine bırakılan öncelik kararı her zaman
gerçekçi olmamaktadır. Örneğin, kritik olmayan ve düşük öncelikli bir
değişiklik talebi yüksek öncelikli olarak girilebilmekte, bu da hatalı planlama
ve müşteri memnuniyetsizliği ile sonuçlanabilmektedir. Bu çalışmada, iç müşteri
talepleri metin madenciliği yöntemleriyle sınıflandırılarak taleplerin önem
derecesi tahmin edilmeye çalışılmıştır. Sistemin eğitimi ve testi için kurumsal
bir şirketin talep yönetim sisteminden alınan kayıtlar kullanılmıştır. Ham
metin formundaki talep verisi üzerinde temizlik ve önişleme işlemlerinin
ardından, doküman-terim matrisinin oluşturulmasında TF-IDF (Terim Frekansı –
Ters Doküman Frekansı) ağırlıklandırma yönteminden yararlanılmıştır.
Oluşturulan veri seti üzerinde çeşitli sınıflandırma algoritmaları test edilmiş
ve en yüksek başarım %54.1 F-Skoru ile Sequential Minimal Optimization
algoritmasıyla elde edilmiştir. Ayrıca, aşırı örnekleme yoluyla sınıfların
dengeli hale getirildiği veri seti üzerinde ise en yüksek başarıma %74.5
F-Skoru değeri ile Random Forest algoritmasıyla ulaşılmıştır. |
topic |
software engineering demand prioritization machine learning text classification random forest yazılım mühendisliği talep önceliklendirme yapay öğrenme metin sınıflandırma random forest |
url |
https://dergipark.org.tr/tr/pub/pajes/issue/49349/635258 |
work_keys_str_mv |
AT volkantunalı yazılımgelistirmetaleplerininmetinmadenciligiyontemleriyleonceliklendirilmesi AT muratcantekin yazılımgelistirmetaleplerininmetinmadenciligiyontemleriyleonceliklendirilmesi |
_version_ |
1721541957278236672 |