Yiğit, İ. O.Ateş, A. F.Güvercin, MehmetFerhatosmanoğlu, HakanGedik, Buğra2018-04-122018-04-122017-05http://hdl.handle.net/11693/37605Date of Conference: 15-18 May 2017Conference name: 25th Signal Processing and Communications Applications Conference (SIU) 2017Günümüzde 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.Nowadays, 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.TurkishClassificationMachine LearningPredictionRegressionSupervised machine learningArtificial intelligenceClassification (of information)Customer satisfactionEducationForecastingLearning systemsRegression analysisSignal processingText processingCall centersExtract informationsPositive/negativePrediction modelRegressionRegression methodSupervised machine learningText miningData miningConference Paper10.1109/SIU.2017.7960138