Atıf Sayısı
1
Görüntüleme
40
İndirme
10
Yapay zekâ teknolojilerinden biri olan Yapay Sinir Ağları (YSA) tahmin, modelleme, sınıflandırma ve bunun gibi birçok sosyal ve mühendislik alanlarında yaygın olarak kullanılmaktadır. YSA'nın paralel yapısı, gerçek zamanlı uygulamalar için önemli bir özellik olup en önemli avantajları modelin esnek ve uyumlu doğasıdır. YSA'lar bir defa eğitimden geçirildikten sonra yeniden programlamaya gerek kalmadan herhangi bir uygulama için sorunsuz bir şekilde kullanılabilirler. YSA'lar, uygun öğrenme yöntemini kullanarak girdi ve çıktı kalıpları arasındaki doğrusal ve doğrusal olmayan ilişkileri belirlerler. Başka bir deyişle, karmaşık ve doğrusal olmayan sistemlerin giriş ve çıkışları arasındaki korelasyonu kullanarak sistemleri modelleme yeteneklerine sahiptirler. Bu çalışmada YSA yöntemi ile çağrı merkezi verilerine yönelik gelmesi beklenen çağrı sayıları ile yapılması beklenen görüşme süreleri tahmin edilmiştir. Çağrı merkezleri kurumların müşterilerinden/vatandaşlarından gelen talep, görüş, öneri, memnuniyetsizlik, şikâyet vb. konularda hizmet verdiği yüksek öneme sahip iletişim birimidir. Çağrı merkezi yöneticileri erken karar almada tahmin yapmak durumuyla karşı karşıyadırlar. Bu nedenle çağrı merkezi sistemlerinde yer alan raporlamalarda günlük, haftalık ve aylık periyotlarda gelen çağrı sayıları ile karşılanan çağrıların görüşme sürelerinin tahmini önem arz etmektedir. Yapılan bu çalışmada, eğitim verileri olarak daha önceki aylara ait görüşme sayıları ve görüşme süreleri kullanılmıştır. Öngörü modellemesi için girişten çıkışa doğru ileri beslemeli YSA modeli elde edilmiş ve Levenberg-Marquardt algoritması ile ağ modeli eğitilmiştir. Giriş, gizli ve çıkış katmanından oluşan bu üç katmanlı YSA'nın gizli ve çıktı katmanları için lineer aktivasyon fonksiyonları kullanılmıştır. Bu çalışmada kullanılan ileri beslemeli ve geri yayılımlı YSA modeli ile gelen çağrı sayıları ve bu çağrıların görüşme süreleri tahmin edilmiş ve elde edilen bu YSA modelinin öngörü performansı ortaya konarak bu modelin güvenilir ve tutarlı olduğu gözlemlenmiştir.
The artificial nerve network (YSA), one of the artificial intelligence technologies, is widely used in many social and engineering fields such as prediction, modeling, classification and so on. The parallel structure of YSA is an important feature for real-time applications and its most important advantages are the flexible and compatible nature of the model. YSAs can be easily used for any application without having to reprogram once they have been trained. YSAs use the appropriate learning method and determine the linear and non-linear relationships between output patterns. In other words, they have the ability to model systems using the correlation between entrance and output of complex and nonlinear systems. In this study, the time of conversation is expected to be done with the number of calls expected to come to the YSA method and call center data. Call centers are requests, opinions, suggestions, dissatisfaction, complaints, etc. from customers/city citizens of the institutions. It is a high level of communication that it serves. The call center managers are faced with the possibility of making predictions in early decision making. Therefore, it is important to estimate the time of calls received with the number of calls received in daily, weekly and monthly periods in the call center systems’ reports. In this study, the number of interviews and interviews from the previous months were used as training data. For predictive modeling, the advanced powered YSA model has been obtained from entrance to exit and the network model has been trained with the Levenberg-Marquardt algorithm. Linear activation functions have been used for the hidden and output layers of this three-layer YSA, which consists of the input, hidden and output layers. The number of calls that come with the advanced powered and recovered YSA model used in this study and the time of calls were predicted and obtained and the predictive performance of this YSA model was observed that this model was reliable and consistent.
Artificial Neural Networks (ANN), one of the artificial intelligence technologies, are widely used in many social and engineering fields such as prediction, modeling, classification and so on. The parallel structure of ANNs is an important feature for real-time applications and the most important advantages are the flexible and harmonious nature of the model. Once ANN is trained, it can be used seamlessly for any application without having to re-program it. ANNs determine linear and nonlinear relationships between input and output patterns using the appropriate learning method. In other words, they have the ability to model systems using the correlation between inputs and outputs of complex and nonlinear systems. In this study, the number of calls expected to be made to the call center data by the ANN method and the expected call duration were estimated. Requests, opinions, suggestions, dissatisfaction, complaints etc. from the customers / citizens of the call centers institutions. It is a communication unit with high prefixes that it serves in the subjects. Call center managers are opposed to making early decisions. For this reason, it is important to estimate the call times of the calls that are met by the call counts of daily, weekly and monthly periods in the reports in the call center systems. In this study, the number of interviews and interviews of the previous month were used as training data. For the forecasting model, a forward-feed ANN model was obtained from the input to the output and the network model was trained by the Levenberg Marquardt algorithm. Linear activation functions are used for hidden and output layers of these three layered ANN which are composed of input, hidden and output layer. In this study, the number of incoming calls and the call duration of these calls using the forward and backward propagation ANN model are estimated and the predictive performance of this obtained ANN model is determined and it is observed that this model is reliable and consistent.
Alan : Sosyal, Beşeri ve İdari Bilimler
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
