Yapay Zeka Filtreleriyle Çoklu Site E-ticaret Mobil Uygulaması

Abstract

E-ticaret platformları kullanıcılara geniş ürün yelpazesi sunmakta ancak farklı sitelerdeki ürünleri karşılaştırmada yetersiz kalmaktadır. Geleneksel anahtar kelime tabanlı arama, manuel filtrelere bağlı olduğundan verimlilik ve doğruluğu sınırlamaktadır. Bu tez, yapay zekâ destekli, sesli komutlarla çalışan ve çoklu site verilerini toplayan bir mobil uygulama önermektedir. Sistem; Google STT API ile sesin metne dönüştürülmesi, Hugging Face bart-large-mnli modeli ile ürün özelliklerinin sınıflandırılması ve Playwright ile farklı e-ticaret sitelerinden gerçek zamanlı verilerin çekilmesi üzerine kurulmuştur. Flutter tabanlı arayüz, NLP ve veri toplama görevlerini yöneten Flask arka uç ile iletişim kurmaktadır. Sistem; doğruluk, hız, sınıflandırma ve kullanıcı memnuniyeti açısından değerlendirilmiştir. STT modülü ortalama %83.3 doğruluk (en yüksek %90'a kadar) sağlamış, sınıflandırma %92'ye ulaşmıştır. Uçtan uca yanıt süresi 2.9–3.7 saniye arasında gerçekleşmiştir. 12 katılımcıyla yapılan kullanıcı anketi, geleneksel aramaya kıyasla %35 daha yüksek memnuniyet göstermiştir. Bu tez, sesli etkileşim, zero-shot NLP ve çoklu site scraping yöntemlerinin mobil ortamlarda uygulanabilirliğini ortaya koymaktadır. Modüler yapı, çok dilli destek ve öneri sistemleri gibi gelecekteki geliştirmelere uygundur. Anahtar Kelimeler: E-ticaret, Sesli Arama, NLP, Yapay Zekâ Filtreleri, Web ScrapingE-commerce platforms give users access to a wide range of products and save time, yet they still struggle to compare items across different websites. Existing keyword-based search systems depend heavily on manual filters, which limit efficiency and accuracy.This thesis presents an AI-powered, voice-enabled mobile application as a more user-friendly solution to product discovery, offering natural voice queries, intelligent filtering, and multi-site data aggregation. The framework opts for Google's STT API to transcribe requests, Hugging Face's zero-shot classifier (bart-large-mnli) to derive product characteristics, and Playwright to collect the on-the-spot data from e-commerce platforms. A Flutter-based frontend communicates with a Flask backend that handles NLP and retrieval. System performance was tested across transcription accuracy, classification reliability, latency, and user satisfaction. Results showed that the STT module achieved accuracy of 83.3%, with peak values near 90%, while the NLP classifier reached 92% accuracy in identifying user intent and categories. End-to-end latency averaged 2.9–3.7 seconds, meeting real-time usability standards. User evaluations indicated a 35% increase in satisfaction compared with traditional keyword search, confirming that combining voice interfaces with NLP improves the e-commerce search experience. This project is a good example of how one can integrate voice communication, zero-shot NLP, and platform scraping into a mobile environment. Keywords: E-commerce, Voice Search, NLP, AI Filters, Web Scraping