AI / NLP / Staj projesi
Diller değişir. Bağlam kalır.
Üç dilde destek taleplerini anlayan, sınıflandıran ve önceliklendiren çok görevli bir pipeline.
Problem
Dengesiz sınıflar ve sentetik Türkçe verideki dil yanlılığı, doğru model değerlendirmesini zorlaştırıyordu.
Yaklaşım
TF-IDF taban çizgilerini BERT ve XLM-RoBERTa ile karşılaştırdım. Müşteri gruplu bölmeler, focal loss ve tutarlı etiket şeması kullandım. Modeli FastAPI mikroservisleriyle sundum.
Sonuç ve kapsam
- 32,7 bin destek talebi · EN / DE / TR
- Proje değerlendirmesi: tipte 0,85 macro-F1; dört görevde ortalama 0,63 macro-F1.
- Ayrı staj deneylerinde XLM-R: kategoride yaklaşık 0,87; öncelikte yaklaşık 0,78 macro-F1. Bu sonuçlar farklı deneylere aittir.