Acil çağrı merkezine gelen çağrıların doğal dil işleme yöntemleri ile sınıflandırılması: bilecik 112 acil çağrı merkezi örneği

Acil çağrı merkezleri, modern toplumlarda bireylerin yaşam güvenliği ve toplumsal düzenin sürdürülebilirliği açısından hayati öneme sahip kritik altyapılar arasında yer almaktadır. Bu çalışma, acil durum çağrılarının işlenme süreçlerinde operasyonel verimliliği artırmak ve müdahale sürelerini optimize etmek amacıyla doğal dil işleme (NLP) tabanlı yenilikçi bir otomatik sınıflandırma sistemi önermektedir. Araştırma kapsamında, gerçek çağrı merkezi ortamından elde edilen ses kayıtları öncelikle metinsel veriye dönüştürülmüş, ardından kapsamlı bir veri ön işleme sürecinden geçirilmiştir. Bu süreçte, metin normalizasyonu, tokenizasyon, stop-word eliminasyonu ve özel isimlerin anonimleştirilmesi gibi temel NLP teknikleri uygulanmıştır. Makine öğrenmesi yaklaşımı olarak Naive Bayes, Destek Vektör Makineleri (SVM), Random Forest ve Logistic Regresyon algoritmaları ile birlikte derin öğrenme tabanlı LSTM, CNN, GRU ve BERT modelleri karşılaştırmalı olarak değerlendirilmiştir. Model performansları kesinlik, duyarlılık ve F1-skor standart doğruluk metrikleri ile ölçülmüştür. Deneysel sonuçlarda geliştirilen modellerde farklı doğruluk sonuçlarına ulaşılmıştır. Bu bulgular, acil durum yönetim sistemlerinde yapay zekâ tabanlı çözümlerin operasyonel verimliliği önemli ölçüde artırabileceğini ve insan kaynaklı hataları minimize edebileceğini ortaya koymaktadır. Çalışmanın, gelecekte acil çağrı merkezlerinin dijital dönüşüm çalışmalarına katkı sağlayacağı öngörülmektedir.