Denetimli öğrenme (supervised learning), bir makine öğrenmesi yöntemidir. Bu yöntemde model, etiketlenmiş örneklerden – yani doğru cevabı önceden bilinen veri noktalarından – kalıp öğrenir. Sahte ürün tespitinde denetimli öğrenme; orijinal ve taklit ürün örnekleriyle eğitilmiş modellerin yeni bir ilanı "riskli" ya da "güvenli" olarak sınıflandırmasını sağlar.
Terim, makine öğrenmesi literatüründen gelir; ancak marka koruma ve orijinal ürün doğrulama bağlamında karşınıza çıkmasının nedeni farklıdır. Pazaryerlerindeki sahte ürün ve taklit ürün ilanları belirli örüntüler içerir: anormal fiyat, tutarsız görsel, kopya açıklama metni. Denetimli öğrenme modelleri bu örüntüleri geçmiş veriden öğrenir ve yeni ilanlara risk skoru atar.
Bu sayfada terimin tanımını, pazaryeri bağlamındaki pratik anlamını, sık karıştırıldığı kavramları ve somut bir örneği bulacaksınız.
Denetimli öğrenme, modele hem girdi hem de beklenen çıktının birlikte verildiği öğrenme biçimidir. Model, girdi-çıktı çiftlerinden genel bir kural çıkarır; ardından daha önce görmediği girdilere bu kuralı uygular. "Denetimli" ifadesi, öğretim sürecini denetleyen – yani doğru etiketleri sağlayan – bir insanın varlığını ifade eder.
İki temel alt türü vardır. Sınıflandırma (classification) modellerinde çıktı ayrık bir kategoridir: "sahte", "orijinal", "belirsiz". Regresyon (regression) modellerinde çıktı sürekli bir değerdir: "sahtelik olasılığı 0,87". Sahte ürün tespitinde her iki türe de rastlanır; çoğu zaman ikisi birlikte kullanılır.
Modelin başarısı, eğitim verisinin kalitesiyle doğrudan bağlantılıdır. Etiketler hatalıysa model hatalı kalıpları öğrenir. Bu nedenle eğitim verisinin doğrulanmış orijinal ve taklit örneklerinden oluşması kritik bir koşuldur.
Trendyol, Hepsiburada veya n11 gibi pazaryerlerinde her gün binlerce yeni ilan açılır. İnsan gözüyle bu ilanların tamamını taramak mümkün değildir. Denetimli öğrenme bu noktada devreye girer: Trendyol yorumlarındaki sahte ürün sinyallerini okuma gibi elle yapılan analizi otomatikleştirir ve ölçeklendirir.
Marka koruma yazılımları genellikle şu veriyi modele besler: ilan başlığı, fiyat, satıcı puanı, görsel özellikleri ve açıklama metnindeki anahtar sözcükler. Model, bu özellikleri geçmişteki orijinal ve sahte ilan örnekleriyle karşılaştırarak bir risk skoru üretir. Bu skor, kesin bir sahtelik kanıtı değildir; incelenmesi gereken ilanları ön plana çıkaran bir sinyal işlevi görür.
SahteAvcı da bu yaklaşımdan yararlanır. Eklenti, tarayıcınızda yerel olarak çalışan metin benzerliği ve görsel hash analiziyle ilanı değerlendirir; sonuç olarak bir risk skoru sunar. Temel analiz tarayıcınızda yerel çalışır; isteğe bağlı BYOK modunda görseller seçtiğiniz API sağlayıcısına gönderilir.
Denetimli öğrenme terimi, birbirine yakın ama birbirinden farklı kavramlarla sıklıkla karıştırılır. Aşağıdaki tablo bu ayrımı özetler.
| Kavram | Temel fark | Sahte ürün tespitinde rolü |
|---|---|---|
| Denetimli öğrenme | Etiketli veri gerekir; model doğru cevabı bilerek öğrenir | Bilinen sahte/orijinal örneklerden kural çıkarır |
| Anomali tespiti | Etiketsiz veri; "normalden sapma" aranır | Hiç görülmemiş bir sahte türünü işaret edebilir |
| Kural motoru | İnsan tarafından yazılan sabit if-then kuralları; öğrenme yoktur | Belirli açık ihlalleri (ör. yasaklı sözcük) anında yakalar |
| Denetimsiz öğrenme | Etiket yoktur; model verideki doğal kümeleri bulur | Benzer ilan gruplarını kümeleyerek şüpheli satıcı örüntüsü açığa çıkarabilir |
Pratikte bu yöntemler rakip değil tamamlayıcıdır. Bir denetimli öğrenme modeli yüksek güvenli kararlar verirken, IMEI doğrulaması gibi belirleyici kontroller doğrulama zincirinin ayrı bir halkasını oluşturur.
Bir marka, geçen yıl kaldırma talebi (takedown) gönderdiği ilanların etiketli kaydını tutar. Bu kayıt denetimli öğrenme modeli için eğitim verisi olur. Model; fiyatın beklenen bandın altında olduğunu, satıcının yeni açıldığını ve görseldeki arka plan renginin marka standardından saptığını öğrenir.
Yeni bir ilan geldiğinde model bu üç özelliğin ağırlıklı bileşimine bakarak bir risk skoru hesaplar. Skor yüksek eşiği aşarsa ilan insan incelemesine alınır. Böylece ekip binlerce ilan arasından gerçekten şüpheli olanları önceliklendirir. Hangi ilanın gerçekten taklit içerdiğini model değil, nihai inceleme belirler.
Bu tür kavramların sahte ürün tespitinde nasıl işlediğini takip etmek ister misiniz? Yeni rehberler ve marka koruma sözlüğü güncellemeleri yayımlandığında haber almak için bültene kaydolun.
Evet. Denetimli öğrenme bir veri işleme yöntemidir; yasal statüsü, üzerinde çalıştığı veriye ve nasıl kullanıldığına göre belirlenir. Kişisel veri işleniyorsa KVKK çerçevesi geçerlidir. Marka koruma amaçlı ilan analizi, kamuya açık verilere dayanıyorsa genel olarak hukuki çerçeve içinde değerlendirilir.
Hayır. Denetimli öğrenme bir yöntemdir; taklit ürün ise tescilli bir markanın izinsiz kullanıldığı üründür. Birinci, ikinciyi tespit etmek için kullanılan araçlardan biridir. Terimi karıştırmamak önemlidir: denetimli öğrenme modeli risk sinyali üretir, sahteliği kanıtlamaz.
"Denetimli öğrenmenin tespiti" ifadesi iki şekilde anlaşılabilir. Bir yazılımın denetimli öğrenme kullanıp kullanmadığını anlamak için teknik dokümantasyonuna bakılır. Öte yandan denetimli öğrenmenin sahte ilanları nasıl işaretlediğini görmek için modelin ürettiği risk skoru ve eşik değerleri incelenir.