Endüstriyel uygulamalar için yeni bir dil modeli uygulaması

Abstract

Bu tez çalışmasında, Türkiye'deki sanayi kuruluşlarının resmi işlemlerinde kullanmakla yükümlü oldukları PRODTR ürün sınıflandırma sistemine yönelik anlam temelli bir öneri sistemi geliştirilmiştir. Çalışmanın temel amacı, sentetik olarak üretilmiş ürün ve teknik ad verilerinin, doğal dil işleme (NLP) ve gömülü temsillere (embedding) dayalı yöntemlerle doğru PRODTR kodlarıyla eşleştirilmesidir. Geliştirilen sistem, OpenAI tabanlı embedding modelleri kullanarak metinleri yüksek boyutlu vektörlere dönüştürmekte ve bu temsilleri Elasticsearch altyapısı üzerinde kosinüs benzerliği aracılığıyla karşılaştırmaktadır. Böylece yalnızca yüzeysel kelime eşleşmelerine dayalı değil, bağlamı dikkate alan anlamsal bir sınıflandırma sağlanmıştır. Üretken yapay zeka ile oluşturulan ve etiketlenmiş 93 sorgudan oluşan test kümesiyle yapılan değerlendirmelerde sistemin %93,5 doğruluk oranına ulaştığı görülmüştür. Ayrıca öneri skorları ile tahmin başarısı arasında istatistiksel olarak anlamlı bir ilişki bulunmuş; yüksek benzerlik skorlarının çoğunlukla doğru sınıflarla örtüştüğü gözlemlenmiştir. Bu durum, sistemin yalnızca otomatik bir eşleştirme aracı değil aynı zamanda güvenilir bir karar destek mekanizması olarak kullanılabileceğini göstermektedir. Sonuç olarak geliştirilen öneri sistemi; ürün sınıflandırma, envanter yönetimi, kamu raporlama süreçleri ve sektörel danışmanlık uygulamalarında esnek, açıklanabilir ve bağlam duyarlı bir yapay zekâ çözümü olarak öne çıkmaktadır.