Atıf Sayısı
1
Görüntüleme
5
İndirme
1
Bu çalışma kapsamında iş tatmini faktörlerini belirlemeye ve analiz etmeye yönelik olarak çalışanların çevrimiçi değerlendirmelerinin sınıflandırıcı topluluklarına dayalı analizi yapılmıştır. Metin sınıflandırma işlemi, önceden tanımlanmış kategoriler veya sınıflar altında metin belgelerinin otomatik olarak sınıflandırılmasıdır. Bu kapsamda makine öğrenmesi teknikleri, dokümanlara anahtar kelimeler atamak ve bunları belirli kategorilerde sınıflandırmak için kullanılır. Makine öğrenmesi, belgeleri otomatik olarak kategorilere ayırmamızı sağlar. Metin madenciliği, metinleri organize etmek amacıyla önceden tanımlanmış kategorilere dahil etme işlemidir. Son yıllarda dijital ortamdaki verinin artması, bu verilerden bilgi çıkarımını ve bilginin kullanılabilirliğinin artırılması üzerine olan çalışmaları hızlandırmıştır. Metinlerin verimli kullanılabilmesi ve aranılan bilgiye hızlıca ulaşılabilmesi için metinlerin kategorize edilmesi önem kazanmıştır. Büyük belge koleksiyonlarını elle düzenlemek son derece zaman alıcıdır ve hataya açıktır. Otomatik metin sınıflandırma uygulamaları bu noktada hızlı ve maliyeti düşük çözümler sunar. Metin sınıflandırma işleminin, istenmeyen mesaj veya elektronik postaları filtreleme, bilimsel makalelerin otomatik indekslenmesi, web sayfaların etiketlenmesi, belge türünün tanımlanması gibi uygulama alanları mevcuttur. Çalışanların çevrimiçi değerlendirmelerinin sınıflandırıcı topluluklarına dayalı analizi yapılması amacıyla çalışan kişilerin çalışmış oldukları firmalar hakkındaki düşünceleri tr.indeed.com'da yayınlanan toplam 18 farklı firmadan elde edilen 3023 adet çevrimiçi değerlendirme elde edilmiştir. Her bir veri seti için, öznitelik temsili yöntemlerinden terim sıklığı (TF), terim varlığı (TP) ve TF-IDF ölçütleri için 1-gram, 2-gram ve 3-gram temsilleri ile toplam dokuz farklı veri temsili elde edilmiştir. Yapılan deneysel çalışmalarda beş temel sınıflandırma algoritması topluluk öğrenme yöntemleri ile birleştirilerek doğru sınıflandırma performansları incelenmiştir.
This study was conducted on the basis of classing communities of online assessments of employees with a view to identifying and analyzing work satisfaction factors. The text classification process is the automatic classification of text documents under predefined categories or classes. In this context, machine learning techniques are used to assign keywords to documents and classify them in specific categories. Machine learning allows us to automatically divide documents into categories. Text mining is the process of incorporating texts into predefined categories in order to organize them. In recent years, the increase in data in the digital environment has accelerated the work on the extract of information from these data and increased the availability of information. It has become important to categorize the texts so that the texts can be used efficiently and the requested information can be accessed quickly. Manual editing large document collections is extremely time-consuming and open to mistakes. Automatic text classification applications offer quick and low-cost solutions at this point. There are applications such as text classification process, filtering unwanted messages or emails, automatic indexing of scientific articles, labelling of web pages, identifying the type of document. The opinions of employees on the companies in which they worked for the purpose of making an analysis based on the classification communities of the online assessments of employees have been obtained 3023 online assessments obtained from a total of 18 different companies published on tr.indeed.com. For each data set, a total of nine different data representations have been obtained from the specificity representation methods with representations of 1 gram, 2 gram and 3 gram for the term frequency (TF), term existence (TP) and TF-IDF standards. In the experimental studies, five basic classification algorithms were combined with community learning methods and the correct classification performance was studied.
Within the scope of this study, an analysis of the online evaluations of employees based on classifier ensemble was made in order to identify and analyze job satisfaction factors. Text classification is the automatic classification of text documents under predefined categories or classes. In this context, machine learning techniques are used to assign keywords to documents and classify them into specific categories. Machine learning allows us to automatically categorize documents. Text mining is the process of including texts into predefined categories for the purpose of organizing them. The increase in data in the digital environment in recent years has accelerated the studies on extracting information from these data and increasing the usability of information. It has become important to categorize the texts in order to use the texts efficiently and to reach the sought information quickly. Manually editing large document collections is extremely time-consuming and error-prone. Automatic text classification applications offer fast and cost-effective solutions at this point. Text classification has application areas such as filtering spam or e-mails, automatic indexing of scientific articles, tagging web pages, and defining document type. In order to analyze the online evaluations of the employees based on their classifier communities, 3023 online evaluations obtained from a total of 18 different companies, which were published on tr.indeed.com, were obtained. For each data set, a total of nine different data representations were obtained with 1-gram, 2-gram and 3-gram representations for term frequency (TF), term presence (TP) and TF-IDF criteria from the feature representation methods. In the experimental studies, the correct classification performances were examined by combining five basic classification algorithms with ensemble learning methods.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
