YAPAY ZEKA DESTEKLİ ÖĞRENCİ KULÜPLERİ CHATBOT UYGULAMASI

Abstract

ÖZET

Günümüzde teknolojinin gelişimi ile birlikte yapay zekanında derin öğrenme konusunda önemli ölçüde geliştiği görülmektedir. Derin öğrenme alanının bu kadar gelişmiş olması, beraberinde “Diyalog Bazlı Yapay Zeka (Conversational AI)” alanının ortaya çıkmasına ve gelişmesine öncülük etmiştir. İnsanlar için mesajlaşmanın ve zamanın oldukça önemli olduğu bu dönemde, diyalog bazlı yapay zeka teknolojisinden faydalanarak ortaya Chatbot’lar çıkmıştır. Chatbot, kullanıcıların karşılarında bir insan varmış gibi iletişim kurabildikleri, bilgi edinebildikleri, aynı zamanda birçok işlem yapabildikleri sohbet robotlarıdır. Bu tez çalışmasında üniversite öğrencilerinin eğitimlerinin yanında sosyal, kültürel ve sportif alanlarda da kendi gelişimlerine katkıda bulunabilmeleri için kurulmuş olan öğrenci toplulukları hakkında daha hızlı bilgi edinebilmeleri için bir Chatbot yapılması hedeflenmektedir. Bu tez çalışması ile birlikte öğrencilerin bu eksikliklerinin giderilmesi ve hızlı bir şekilde yönlendirilmeleri hedeflenmiştir. Ayrıca, bölümlerden bağımsız olarak yüz farklı öğrenci ile birebir görüşülerek en sık sorulan soruları ve öğrencilerin akıllarına ilk gelen sorular veri olarak toplanmıştır.

Tezin uygulama geliştirme aşamasında Python programlama dili kullanılmıştır. Öğrencilerden alınan veriler uygulamanın veri kümesini oluşturmuştur. Makine öğrenmesi kütüphanesi olan Torch’un Pytorch kütüphanesini kullanılmıştır. Uygulama IntelijIDEA ürünü olan PyCharm ortamında kodlanmıştır ve NeuralNet algoritması kullanılmştır. NeuralNet algoritması kullanılırken SVM algoritmasının sonuçları da eklenmiştir. NeuralNet algoritmasının daha başarılı sonuçlar ürettiği gözlemlenmiştir. Algoritma kullanılırken veri kümesinin % 20’si test sınıfı ve % 80 ‘i eğitim sınıfı olarak ayrılmıştır. Epoch değeri 1000, batchSize 8, learningRate 0,001, hiddenSize 8 olarak verilmiştir. Bu değerler verildikten sonra kullanılan algoritma en iyi sonuçları üretmiştir. Test başarı oranımız %84.2 olarak gözlemlenmiştir.

ABSTRACT

With the development of technology today, it is seen that artificial intelligence has also significantly improved in the field of deep learning. The fact that the field of deep learning is so advanced has led to the emergence and development of the field of "Conversational AI". In this period when messaging and time are very important for people, Chatbots have emerged by benefiting from dialog-based artificial intelligence technology. Chatbots are chat robots that users can communicate as if there is a human in front of them, get information, and also do many transactions. In this thesis study, it is aimed to make a Chatbot for university students to get faster information about student communities established for them to contribute to their own development in social, cultural and sports fields besides their education.

With this thesis study, it is aimed to eliminate these deficiencies of the students and to direct them quickly. In addition, regardless of the departments, one-on-one interviews were conducted with a hundred different students and the most frequently asked questions and the first questions that come to the students' minds were collected as data.

Python programming language was used in the application development phase of the thesis. The data obtained from the students constituted the data set of the application. The Pytorch library of the machine learning library Torch was used. The application was coded in the PyCharm environment, which is a product of IntelijIDEA, and the NeuralNet algorithm was used. While using the NeuralNet algorithm, the results of the SVM algorithm were also added. It was observed that the NeuralNet algorithm produced more successful results. When using the algorithm, 20% of the data set was separated as the test class and 80% as the training class. The epoch value is 1000, batchSize 8, learningRate 0.001, hiddenSize 8 were given. After giving these values, the algorithm used produced the best results. Our test success rate was observed as 84.2%.