Çağrı merkezi metin madenciliği yaklaşımı

Simple item page
dc.citation.epage4en_US
dc.citation.spage1en_US
dc.contributor.authorYiğit, İ. O.en_US
dc.contributor.authorAteş, A. F.en_US
dc.contributor.authorGüvercin, Mehmeten_US
dc.contributor.authorFerhatosmanoğlu, Hakanen_US
dc.contributor.authorGedik, Buğraen_US
dc.coverage.spatialAntalya, Turkey
dc.date.accessioned2018-04-12T11:45:19Z
dc.date.available2018-04-12T11:45:19Z
dc.date.issued2017-05en_US
dc.departmentDepartment of Computer Engineeringen_US
dc.descriptionDate of Conference: 15-18 May 2017
dc.descriptionConference name: 25th Signal Processing and Communications Applications Conference (SIU) 2017
dc.description.abstractGünümüzde çağrı merkezlerindeki görüşme kayıtlarının sesten metne dönüştürülebilmesi görüşme kaydı metinleri üzerinde metin madenciliği yöntemlerinin uygulanmasını mümkün kılmaktadır. Bu çalışma kapsamında görüşme kaydı metinleri kullanarak görüşmenin içeriğinin duygu yönünden (olumlu/olumsuz) değerlendirilmesi, müşteri memnuniyetinin ve müşteri temsilcisi performansının ölçülmesi amaçlanmaktadır. Yapılan çalışmada görüşme kaydı metinlerinden metin madenciliği yöntemleri ile yeni özellikler çıkarılmıştır. Metinlerden elde edilen özelliklerden yararlanılarak sınıflandırma ve regresyon yöntemleriyle görüşme kayıtlarının içeriklerinin değerlendirilmesini sağlayacak tahmin modelleri oluşturulmuştur. Bu çalışma sonucunda ortaya çıkarılan tahmin modellerinin Türk Telekom bünyesindeki çağrı merkezlerinde kullanılması hedeflenmektedir.en_US
dc.description.abstractNowadays, the ability to convert call records from voice to text makes it possible to apply text mining methods to extract information from calls. In this study, it is aimed not only to evaluate the sentiment (positive/negative) of the calls in general, but also to measure the customer satisfaction and representative's performance by using call record texts. New features have been extracted from texts using text mining methods. Using the features extracted, prediction models were developed to evaluate the contents of call records by classification and regression methods. As a result of this study, it is planned to utilize the prediction models developed in Turk Telekom's call centers. © 2017 IEEE.en_US
dc.identifier.doi10.1109/SIU.2017.7960138en_US
dc.identifier.urihttp://hdl.handle.net/11693/37605
dc.language.isoTurkishen_US
dc.publisherIEEEen_US
dc.relation.isversionofhttp://dx.doi.org/10.1109/SIU.2017.7960138en_US
dc.source.title25th Signal Processing and Communications Applications Conference, SIU 2017en_US
dc.subjectClassificationen_US
dc.subjectMachine Learningen_US
dc.subjectPredictionen_US
dc.subjectRegressionen_US
dc.subjectSupervised machine learningen_US
dc.subjectArtificial intelligenceen_US
dc.subjectClassification (of information)en_US
dc.subjectCustomer satisfactionen_US
dc.subjectEducationen_US
dc.subjectForecastingen_US
dc.subjectLearning systemsen_US
dc.subjectRegression analysisen_US
dc.subjectSignal processingen_US
dc.subjectText processingen_US
dc.subjectCall centersen_US
dc.subjectExtract informationsen_US
dc.subjectPositive/negativeen_US
dc.subjectPrediction modelen_US
dc.subjectRegressionen_US
dc.subjectRegression methoden_US
dc.subjectSupervised machine learningen_US
dc.subjectText miningen_US
dc.subjectData miningen_US
dc.titleÇağrı merkezi metin madenciliği yaklaşımıen_US
dc.title.alternativeCall center text mining approachen_US
dc.typeConference Paperen_US
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
07960138.pdf
Size:
77.39 KB
Format:
Adobe Portable Document Format
Description:
Full printable version
Download
Collections
Department of Computer Engineering