{
    "article_id": 1463,
    "public_id": "892a2d93-0d4d-4e8b-b7cc-e6f0fd4bc338",
    "internal_identifier": null,
    "source_identifier": "90:12",
    "status": "published",
    "type": "research_article",
    "title": "Fatura Yönetimi Uygulamasında Faturaların Makine Öğrenmesi ile Sınıflandırılması",
    "title_secondary": null,
    "abstract": "Dijitalleşmenin yaygınlaşmasıyla birlikte işletmelerin muhasebe ve finans gibi yoğun ve rutin hesaplama ağırlıklı iş yükü olan departmanlarındaki iş ve işlemler dijital muhasebe uygulamaları, robotik süreç otomasyonları gibi farklı bilgi teknolojilerinden yararlanılarak gerçekleştirilmeye başlamıştır.\r\n\r\nBu çalışmada; aktif olarak kullanılmakta olan ve çok sayıda kullanıcısı olan bir muhasebe uygulamasında kullanıcılar tarafından gerçekleştirilmekte olan faturaların sınıflandırılması işlemini otomatik hale getirecek bir karar destek sistemi geliştirilmesi amaçlanmıştır. Mevcut durumda sisteme yüklenen faturalar ilk olarak sınıflandırmadan sorumlu kullanıcılar tarafından incelenerek hangi sınıfa ait olduğu belirlenmektedir. Daha sonra belirlenen sınıfın kullanıcılarına iletilmektedir. Bu sınıflandırma işleminin kullanıcılar tarafından yapılması hem iş gücü kaybına hem de özellikle iş yoğunluğunun yüksek olduğu dönemlerde gecikmelere yol açmaktadır. Bu doğrultuda uygulamanın veri tabanında kayıtlı yaklaşık 450 bin adet faturanın verileri düzenlenerek makine öğrenmesi teknikleri ile bir model eğitilmiştir.",
    "language": "tr",
    "english_title": "Classification of Invoices with Machine Learning in Invoice Management Application",
    "english_abstract": "With the widespread adoption of digitization, businesses have started to carry out tasks and processes in departments with heavy and routine calculation-based workloads, such as accounting and finance, by utilizing various information technologies such as digital accounting applications and robotic process automations. In this study; it is aimed to develop a decision support system that will automate the classification process of invoices carried out by users in an accounting application that is actively used and has many users. In the current situation, the invoices uploaded to the system are first examined by the users responsible for classification and the class they belong to is determined. It is then forwarded to the users of the specified class. Performing this classification process by users causes both labor loss and delays, especially during periods of high workload. In this direction, a model was trained with machine learning techniques by editing the data of approximately 450 thousand invoices registered in the application’s database.",
    "doi": "10.36287/setsci.6.1.020",
    "doi_url": "https://doi.org/10.36287/setsci.6.1.020",
    "resource_url": "https://www.set-science.com/a/892a2d93-0d4d-4e8b-b7cc-e6f0fd4bc338",
    "pdf_url": "https://www.set-science.com/a/892a2d93-0d4d-4e8b-b7cc-e6f0fd4bc338/pdf",
    "og_image": "https://www.set-science.com/assets/img/og-card-v2.png",
    "authors": [
        {
            "public_id": "bb8f58f9-8198-414e-9fd3-6296c7a22583",
            "given": "Bilgehan",
            "family": "Avcı",
            "full": "Bilgehan Avcı",
            "literal": null,
            "orcid": null,
            "orcid_url": null,
            "email": "ba.bilgehanavci@gmail.com",
            "corresponding": true,
            "sequence": "first",
            "affiliations": [
                {
                    "name": "Dokuz Eylül Üniversitesi",
                    "department": null,
                    "country": null,
                    "country_code": null,
                    "ror": null,
                    "ror_url": null
                }
            ]
        },
        {
            "public_id": "e0dc7386-50ff-4161-8d5a-f5978a3129d7",
            "given": "Can",
            "family": "Aydın",
            "full": "Can Aydın",
            "literal": null,
            "orcid": null,
            "orcid_url": null,
            "email": "canaydinn@gmail.com",
            "corresponding": false,
            "sequence": "additional",
            "affiliations": [
                {
                    "name": "Dokuz Eylül Üniversitesi",
                    "department": null,
                    "country": null,
                    "country_code": null,
                    "ror": null,
                    "ror_url": null
                }
            ]
        }
    ],
    "keywords": [
        "Makine Öğrenmesi",
        "Sınıflandırma",
        "Karar Destek Sistemi",
        "Fatura Yönetimi"
    ],
    "translations": [
        {
            "language": "en",
            "title": "Classification of Invoices with Machine Learning in Invoice Management Application",
            "abstract": "With the widespread adoption of digitization, businesses have started to carry out tasks and processes in departments with heavy and routine calculation-based workloads, such as accounting and finance, by utilizing various information technologies such as digital accounting applications and robotic process automations. In this study; it is aimed to develop a decision support system that will automate the classification process of invoices carried out by users in an accounting application that is actively used and has many users. In the current situation, the invoices uploaded to the system are first examined by the users responsible for classification and the class they belong to is determined. It is then forwarded to the users of the specified class. Performing this classification process by users causes both labor loss and delays, especially during periods of high workload. In this direction, a model was trained with machine learning techniques by editing the data of approximately 450 thousand invoices registered in the application’s database.",
            "keywords": [
                "Machine Learning",
                "Classification",
                "Decision Support Systems",
                "Invoice Management"
            ]
        }
    ],
    "subjects": [],
    "subject_names": [],
    "published_date": "2023-12-29",
    "published_year": "2023",
    "received_date": null,
    "accepted_date": null,
    "volume": "15",
    "issue": null,
    "page_first": "55",
    "page_last": "58",
    "article_number": null,
    "conference": {
        "short_name": "BMYZ2023",
        "full_title": "Cognitive Models and Artificial Intelligence Conference",
        "name": "Cognitive Models and Artificial Intelligence Conference",
        "acronym": "BMYZ2023",
        "location": "Ankara, Türkiye",
        "start_date": "2023-10-26",
        "end_date": null,
        "public_id": "dc3a47c3-f4b3-4059-b610-f99aca33d7a0"
    },
    "proceedings": {
        "title": "Cognitive Models and Artificial Intelligence Conference",
        "series_title": "SETSCI Conference Proceedings",
        "publisher": "SET Technology",
        "isbn": "978-605-69925-7-5",
        "eisbn": null,
        "issn": null,
        "eissn": "2687-5527",
        "doi": null,
        "doi_prefix": "10.36287",
        "slug": "setsci-volume-15-2023-legacy-90",
        "public_id": "33fc699d-0ab3-4057-b2e0-644dc89f900d",
        "url": "https://www.set-science.com/p/setsci-volume-15-2023-legacy-90"
    },
    "license": {
        "name": "CC BY 4.0",
        "url": "https://creativecommons.org/licenses/by/4.0/",
        "code": "CC-BY-4.0",
        "open_access": true
    },
    "copyright": {
        "holder": "SET Technology",
        "year": "2023"
    },
    "funding_statement": null,
    "funders": [],
    "references": [
        {
            "order": 1,
            "raw": "SEBETCİ, Ö., GÜNAY, M. B., & SEBETCİ, E. (2018). İş Süreç Yönetimi (Bpm) ve İş Akış Yönetimi (Wfm) Kavramlarına Yaklaşım. AJIT-e: Academic Journal of Information Technology, 9(33), 115-126.\r\n\r\nTektüfekçi, F. (2012). BİLGİ TEKNOLOJİLERİNİN MUHASEBE UYGULAMALARINA ENTEGRASYONU VE BÜTÜNLEŞİK SİSTEMLERLE OLAN ETKİLEŞİM. Organizasyon ve Yönetim Bilimleri Dergisi, 4(2), 51-59.\r\n\r\nBAŞER, B. Ö., YANGIN, M., & SARIDAŞ, E. S. (2021). Makine öğrenmesi teknikleriyle diyabet hastalığının sınıflandırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 25(1), 112-120.\r\n\r\nBardelli, C., Rondinelli, A., Vecchio, R., & Figini, S. (2020). Automatic electronic invoice classification using machine learning models. Machine Learning and Knowledge Extraction, 2(4), 617-629.\r\n\r\nKazan, S., & Karakoca, H. (2019). Makine öğrenmesi ile ürün kategorisi sınıflandırma. Sakarya University Journal of Computer and Information Sciences, 2(1), 18-27.\r\n\r\nAydın, K.E. (2020). Web İçerik Sınıflandırması İçin Makine Öğrenmesi (Yayınlanmamış Yüksek Lisans Tezi). İstanbul Teknik Üniversitesi, İstanbul.\r\n\r\nSilahtaroğlu, G. (2013). Veri Madenciliği Kavram ve Algoritmaları (3. Basım). Papatya Bilim Yayıncılık.\r\n\r\nUzun, E. (2007). İnternet tabanlı bilgi erişimi destekli bir otomatik öğrenme sistemi.\r\n\r\nDangeti, P. (2017). Statistics for machine learning. Packt Publishing Ltd.\r\n\r\nGollapudi, S. Ve Laxmikanth, V. (2016). Practical Machine Learning. Birmingham,UK: Packt Publishing.\r\n\r\nAlpaydın, E. (2004). Introduction To Machine Learning. United States Of America: MIT Press.\r\n\r\nÖzkan, Y. (2008). Veri Madenciliği Yöntemler (3.Baskı). İstanbul: Papatya Yayıncılık.\r\n\r\nKaradağ, B., Bölükbaş, O. ve Ünal, M. A. (2020). Makine Öğrenmesi İle Bireysel Müşteriler İçin Finansman Ürün Önerilmesi. Academic Perspective Procedia, 3(1), 438-444.",
            "doi": null,
            "title": null,
            "authors": null,
            "source": null,
            "year": null,
            "volume": null,
            "pages": null
        }
    ],
    "statements": {
        "acknowledgements": null,
        "conflict_of_interest": null,
        "data_availability": null,
        "ai_disclosure": null
    },
    "credit": [],
    "history": {
        "published": "2023-12-29"
    }
}