Identification and categorization of defects in construction specifications by utilizing NLP
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İNŞAAT MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: İngilizce
Öğrenci: ÖZGÜR MADENLİ
Asıl Danışman (Eş Danışmanlı Tezler İçin): Güzide Atasoy Özcan
Eş Danışman: Irem Dikmen Toker
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:İnşaat teknik şartnameleri tasarım ve sözleşme belgelerinin önemli bir parçasıdır. Kusurlu şartname maddeleri sadece hatalı bir inşaata yol açmakla kalmaz, proje paydaşları arasında maliyet ve süreyi arttıracak ihtilaflara, inşaatın kesilmesine ve bazen de davalara neden olur. Şartnamelerdeki sayfa sayısının yüksek, insan kaynağının ve zamanın yetersiz olması ve teknik personelin deneyimine bağımlılık gibi nedenler bu kusurların tespit edilmesini oldukça güçleştirmektedir. Doğal Dil İşleme'nin (NLP) insan dilini yorumlayıp belgelerdeki kalıpları ve bağlamları analiz edebilme yeteneği manuel yöntemlerde karşılaşılan zorlukları aşarak başarılı çözümler sunabilir. Bu çalışmada inşaat teknik şartname maddelerindeki kusurların tespit ve sınıflandırılması için yapısal bir çerçeve ve bunun denetimli öğrenme NLP yöntemleri ile uygulanması hedeflenmiştir. Uluslararası 16 inşaat projesinden 21 farklı mimari işe ait toplam 175 şartname veri seti olarak kullanılmıştır. 15569 şartname maddesi içindeki kusurlar dört farklı kusur sınıfında el ile işaretlenmiş, farklı metin vektörü dönüştürme yöntemleri ile 8 farklı makine öğrenimi modeli eğitilmiş ve test edilmiştir. Akabinde ChatGPT ile benzer bir çalışma yapılmıştır. Araştırma, eğitilmiş RoBERTa modelinin %91,2 oranında makro F1 ve %98 oranında doğrulukla teknik şartnameler içindeki kusurların tespit ve sınıflandırılmasında başarı elde ettiğini göstermiştir. Buna karşın ChatGPT alana özel veri ile eğitilmiş makine öğrenimi modellerine göre oldukça düşük bir performans sergilemiştir. Bu çalışma, inşaat sektörü paydaşlarına şartnamelerin kalitesini geliştirecek ve tasarım, ihale ve inşaat öncesi hazırlık aşamalarında şartnamelerdeki kusurları eksilterek olası ihtilafları azaltacak veri odaklı ve otomatikleştirilmiş bir yöntem önermektedir.