Doğal Dil İşLeme

Türkçe gibi düşük kaynaklı diller için doğal dil işleme (NLP), sondan eklemeli morfolojisi ve kültürel nüansları nedeniyle özgün zorluklar sunmaktadır. Bu çalışma, kültürel bağlamın Türkçe NLP modellerine entegrasyonunun etkisini incelemekte ve kültürel bağlama duyarlı veri setleri ile ince ayar stratejileri aracılığıyla model performansını artırmaya yönelik bir çerçeve önermektedir.

Türk atasözleri, deyimler ve sosyal medya ifadelerinden oluşan özel bir veri setiyle ince ayar yapılan BERTurk tabanlı bir model, genel veri setleriyle eğitilen temel modele kıyasla duygu analizi ve bağlam sınıflandırma görevlerinde %15,7’ye varan daha yüksek doğruluk ve %14,2 daha iyi F1 skoru elde etmiştir. Bulgular, kültürel bağlamın model sağlamlığını ve uygunluğunu artırdığını ortaya koymakta, diğer düşük kaynaklı diller için ölçeklenebilir bir yaklaşım sunmaktadır. Çalışma, dilbilimsel ve kültürel çeşitliliği gözeten etik ve kapsayıcı yapay zeka sistemlerinin geliştirilmesine katkıda bulunmaktadır.

Identifying Web search session patterns using cluster analysis: A comparison of three search environments. Journal of'the American Society for Information Science and Technology, 60(5): 896-910. cgi-bin/fulltext/ 121675939/PDFSTART Öz Kullanıcıların daha etkin kullanabileceği erişim sistemleri tasarlamak için bilgi arama modellerinin incelenmesi önemlidir. Bu amaçla bilgi erişim sistemleri işlem kayıtları üzerinde oturum bazlı kümeleme çalışmaları yapılmış fakat farklı türdeki ortamlarda birbirine uyumlu grupların oluşup oluşmadığı ile ilgili karşılaştırma yapılmamıştır. Bu çalışmada üç farklı türdeki1 Web tabanlı bilgi erişim sistemini temsil eden işlem kayıtları üzerinde kümeleme tekniği kullanılarak arama oturum modellerini incelemişlerdir. Sonuçlar arama davranışlarının oturum karakteristiklerine dayanan belirgin gruplar halinde kümelenebildiğini ve farklı sistemler olsa da benzerlik gösterdiğini ortaya çıkarmıştır Oturum bazlı analizler kullanıcı arama davranışlarının anlaşılması için önemlidir, sistem tasarımcılarının çeşitli kullanıcı gruplarının ihtiyaçlarını daha iyi karşılayabilecek sistemler geliştirmesine yardımcı olabilir. Anahtar Sözcükler: Bilgi erişim; kümeleme; oturum bazlı analizler; oturum karakteristikleri.

Gelişen teknolojiyle birlikte insanlar dil edinimi, öğretimi ve çeviri için çeşitli araçlar, modeller, programlar, akıllı telefon uygulamaları kullanmaktadır. Dil ediniminde yeni bir yöntem olan ve günümüzde önemi giderek artan yapay zekâ ve bununla beraber gelen NLP (Doğal Dil İşleme) özellikle Türkçe gibi farklı bir dilbilgisi yapısı olan anadil konuşanları için etkili bir araçtır. Söz konusu araç Almanca dil bilgisinin önemli konu başlıklarından biri olan, yabancı dil öğrenen birçok kişi için adapte olunması zor bir yapı olarak görülen ayrılabilen fiillerin kullanımında da yardımcı olabilir. Bu teknolojiler, kullanıcıların dil öğrenim süreçlerini hızlandırmasına, kişiselleştirmesine ve daha verimli hale getirilmesine olanak tanır. Özellikle, ayrılabilen fiiller konusunda bağlam içinde doğru kullanımı öğrenme sürecini hızlandırarak akılda kalıcılığı artırabileceği söylenebilir. Bu çalışmanın amacı, ayrılabilen fiillerin bağlamsal yapısını anlamak ve doğal dil işleme modellerinin bu yapıları nasıl analiz ettiğini, nasıl doğru analiz etmesi gerektiğini ve çeviri, dil eğitimi gibi uygulamalarda doğruluk oranını nasıl artırabileceğimizi göstermektir. Veri seti oluşturmak, NLP için bağlamsal dil modellerinin (BERT, GPT) kullanımı, ayrılabilen fiilleri tanıma ve ayrılma durumlarını tahmin etme süreçlerini inceleme ve uygulama süreçlerinden örnek verme gibi yöntemler kullanılacaktır. Çalışmanın, NLP modellerinden kaynaklanan hataları en aza indirgemek için sistemin nasıl çalıştığını ve geliştirilebileceğini göstermesi, ayrılabilen fiiller temelli hataları azaltılmasına katkı sağlaması, Almanca dil bilgisi ve eğitimi için yeni teknolojik araçların geliştirilmesine katkı sağlaması ve NLP temelli sistemler için teorik bir altyapı oluşturmaya katkı sağlaması umulmaktadır.

Son yıllarda, farklı konular için sunulan dijital bilgi kaynaklarının sayısı aşırı miktarda artmaktadır. Bu dijital bilgi kaynaklarına erişim desteği sunan sistemlerin birçoğu tarama, arama ve bilgi geri kazanımı araçlarına odaklanmıştır. Sayısal kütüphaneler, elektronik kitaplıklar ve Web sayfaları, bilgi erişimini iyileştirmek, belge koleksiyonlarını farklı anahtar kriterlere göre hiyerarşik olarak oluşturmak ve düzenlemek için yeni birçok açılım sunmaktadır. Farklı arama araçları, bilgi erişim teknikleri kullanılarak erişilebilen belgeleri düzenlemek, endekslemek ve özetlemek için yazılım tabanlı hizmetleri kullanarak daha kapsamlı bir doküman kapsamı sunulabilmektedir. Dijital kütüphanelerdeki arama mekanizmalarına uygulanan teknolojiler, doküman koleksiyonlarını yönetmek, anlamlı veri çıkarmak ve doküman ilişkilerinin belirlenmesi için farklı yöntem ve teknolojilerin kullanımını zorunlu kılmıştır. Özellikle belgeler arasındaki ilişki ne biçimleri ne de türleri ile açıkça tanıml...

Bu çalışma, dinî metinlerin analizinde yapay zekâ ve dil işleme teknolojilerinin sunduğu olanakları ele alarak geleneksel yorumlama yöntemleriyle çağdaş analitik araçların entegrasyonuna odaklanmaktadır. Nitel araştırma paradigması çerçevesinde doküman analizi yöntemi kullanılarak yürütülen inceleme; TF-IDF, Word2Vec, BERT ve GPT gibi ileri düzey dil işleme tekniklerinin işlevsel özelliklerini ve uygulama alanlarını detaylı bir şekilde değerlendirmektedir. Bu sayede dinî metinlerin linguistik yapıları çok boyutlu bir perspektifle analiz edilmekte, özgün kavramsal bir çerçeve geliştirilmektedir. Araştırmanın bulguları, modern teknolojilerin metinlerin anlam katmanlarını, dil yapılarını ve bağlamlarını derinlemesine analiz etme imkânı sunduğunu göstermektedir. Din eğitimi açısından ele alındığında, bu teknolojilerin eleştirel ve analitik düşünme becerilerinin gelişimine katkı sağlamanın yanı sıra öğretim materyallerini zenginleştirme, kişiselleştirilmiş öğrenme deneyimleri sunma ve etkileşimli öğrenme ortamları oluşturma fırsatlarına işaret etmektedir. Bunun yanında çalışma, bu teknolojilerinin dinî metinlerin yorumlanması sürecine sağladığı katkıları ve beraberinde getirdiği riskleri disiplinlerarası bir bakış açısıyla değerlendirmektedir. Araştırmanın sonuçlarının dinî metinlerin çok katmanlı yapısının anlaşılmasında yenilikçi metodolojik yaklaşımlar sunmasının yanı sıra din eğitiminin teorik ve pratik boyutlarında yeni açılımlar sağlayabileceği düşünülmektedir. Bu yönüyle çalışma hem metodolojik hem de kavramsal açıdan literatüre özgün bir değer katma potansiyeline sahiptir.

İşaret dili, işitme engellilerin kendi aralarında ve diğer insanlarla iletişim kurmak için kullandıkları en yaygın iletişim tekniğidir. İşaret dilinin kendine has dilbilgisi, kelime kullanım şekli, alfabesi, işareti ve ifade biçimleri vardır. Bu özellikler, onun sözel bir dilin bütün özelliklerini taşıdığını gösterir. Türkçe metinden Türk İşaret Dili (TİD)'ne dönüşüm için cümleyi kelimelerine ayırmak, kelimelerin morfolojik analizlerini gerçekleştirmek, TİD dilbilgisine göre metin elde etmek, metni oluşturan kelimelerin işaretlerini belirlemek ve 3Boyutlu (3B) model ile simülasyon işlemlerinin gerçekleştirilmesi gerekmektedir. Bu çalışmada, TİD hakkında genel bilgiler ve Türkçe metinlerin 3B sanal model tarafından TİD simülasyonunun gerçekleştirilmesi için yapılması gerekenler konu edinmiştir.

Bu çalışmada, Türkiye'deki Twitter kullanıcılarının göçmenlere yönelik tutumları ve görüşleri analiz edilmiş, insanların Türkiye'deki göçmenler hakkındaki düşüncelerini nasıl dile getirdiğine ve görüşlerin belirgin ve yorumlanabilir konular etrafında toplanıp toplanmadığına odaklanılmıştır. Araştırmada, Twitter verilerini analiz etmek ve konu modellemesi yapmak için kapsamlı bir metin ön işleme süreci gerçekleştirilmiş, sonrasında Latent Dirichlet Allocation (LDA) konu modelleme yöntemi kullanılarak tweet'lerdeki örtük konular keşfedilmiştir. Bu analiz sonucunda göçmenlere yönelik bakışı çok yönlü anlamaya yardımcı olacak 14 anlamlı ve yorumlanabilir konu tespit edilmiştir. Bu sayede Türkiye'deki göçmen karşıtı tutumlar üzerine olan literatürde ele alınan konuların sınırlı ve dar bir zeminde kaldığı görülmüştür. Çalışmanın sonuçları, Twitter kullanıcılarının göçmenlere yönelik tutumlarını ve bu tutumların nasıl ifade edildiğini daha iyi anlamamıza yardımcı olabilir.

Demand forecasting is a topic related to predicting product and service demands in advance. The necessity of using machine learning and deep learning algorithms in demand forecasting studies is increasingly emphasized in today's competitive business environment. It is known that these algorithms are used for demand forecasting in various sectors such as energy, food, automotive, and tourism. Stock and/or sales analysis in the field of food retailing are among the solutions that can contribute to increased efficiency. The utilization of artificial intelligence, machine learning, and deep learning algorithms to manage food retailing processes more effectively is important in terms of efficiency and profit optimization. In this study, we used Association Rules, a machine learning approach to analyze a dataset of transactions from an online grocery store. The challenges and opportunities in this field were addressed. Additionally, machine learning-based applications were found to optimize resource utilization, leading to capital savings, maintaining competitive advantage, and ensuring long-term profitability for a commercial enterprise. The findings obtained in the study can be summarized as follows: Through the analysis conducted on more than 2 million data rows with high confidence intervals and support values, over 200 significant rules have been identified. This analysis utilized a support value of 2% and a confidence value of 75%. It has been observed that the Fresh Vegetable and Fresh Fruit product groups are highly correlated. When one of them is present in the basket, the probability of the other being present is high. Given the obtained data, these analysis results can be considered a method enabling business profit maximization. Additionally, the presented graphs and interactive panels can be crucial as visual tools in assisting business managers in making more informed decisions. These findings provide a valuable resource for businesses to effectively and healthily manage their operational processes. Keywords: Machine Learning, Demand Forecasting, Food İndustry, Data Analysis, Decision Support Systems.

Yapay zekâ çeşitli bilimsel alanlarda kendini gösterirken, bu durum felsefi çalışmalara da yansımaktadır. Ancak, yapay zekâ alanındaki felsefi çalışmalar daha çok bilişsel ya da etik problemler çerçevesinde kümelenmiş durumdadır. Bu çalışmamdaki temel amaç, yapay zekânın bu felsefi odağının genişletilip dil felsefesi açısından da yapay zekânın tartışılması gereken bazı noktalarına dikkat çekmektir. Özellikle bu çalışma yapay zekânın dilsel yetkinliğinin yaratıcılık kavramı açısından değerlendirilmesine dayanmaktadır. Öncelikli olarak yapay zekâ ve sorunları ile ilgili genel bilgiler paylaşıldıktan sonra yaratıcılık ve dilsel yaratıcılık kavramlarına değinilecektir. Yaratıcılık bağlamında, Chomsky’nin yapı merkezli dil edinimi anlayışı sınırlılık içerirken, Wittgenstein’ın dil edinimi bizlere daha geniş kapsamlı bir bakış sunmaktadır. Daha sonra, yapay zekânın dilsel yetkinliği ile doğrudan ilişkili olan makine öğrenimi süreci ve doğal dil işleme göz önüne alındığında, kapsamlı bir değerlendirme ihtiyacı ortaya çıkacaktır. Bu noktada, Rhodes tarafından yaratıcılığın 4P’si olarak adlandırılan ölçütlerin yeniden değerlendirilerek hem kapsamlı hem de antropomorfik olmayan bir yaklaşım geliştirmek amaçlanmıştır.

Öz: Web'in dinamik ve heterojen yapısı sebebiyle, kullanıcıların büyük miktardaki veriler arasından tercih yapmaları giderek zorlaşmaktadır. Bu sebeple, kullanıcıların modellenmesi ve kişiselleştirilmiş bilgilere erişim önemli bir hale gelmektedir. Tavsiye sistemleri, kullanıcılara kişiselleştirilmiş öneriler sunarak, en uygun ve verimli hizmetlerin sunulmasını hedefleyen sistemler olarak ön plâna çıkmaktadır. Geleneksel tavsiye sistemleri kullanıcılarına statik yaklaşımlar ile öneri sunmakta ve zamanla değişen kullanıcı tercihlerini öneri sunma stratejilerine dâhil etmemektedir. Bu çalışmada, değişen kullanıcı tercihlerine göre öneri sunma yaklaşımlarını adaptif olarak geliştiren ve kullanıcı tercihlerini öğrenebilen tavsiye sistemleri üzerine kapsamlı inceleme ve karşılaştırma sunulmuştur.

Bu çalışmada makine öğrenmesi teknikleri ve konvolüsyonel sinir ağları (KSA) tabanlı bir derin öğrenme modeli kullanılarak iki farklı Türkçe metin veri kümesi sınıflandırılmıştır. Metin sınıflandırma çalışmasında Rastgele Orman (RO), Naive Bayes (NB), Destek Vektör Makineleri (DVM), K-En Yakın Komşu (KNN) Algoritmaları ve geliştirilen KSA tabanlı derin öğrenme modeli seçilen veri kümelerine uygulanmıştır. Türkçe dilinde seçilen veri kümeleri, metin ve sınıf adedi olarak birbirinden farklı yapıda tercih edilmiş böylece kelime vektör boyutunun aynı deney ortamında sınıflandırma başarısına etkisi araştırılmıştır. Kelime temsil yöntemi olarak Terim Frekansı-Ters Doküman Frekansı (TF-IDF) belirlenmiş olup, sınıflandırma işlemi öncesi veri kümelerine uygulanan durdurma kelimeleri filtreleme ve kök bulma önişlemlerinin de sınıflandırma sonuçlarına katkısı değerlendirilmiştir. Ayrıca kelime temsil vektörlerine öznitelik seçimi uygulanarak boyutları düşürülmüş, böylece nihai vektör boyutunun da sonuçlara etkisi araştırılmıştır. Bahsedilen tüm ön işlemlerin farklı birleşimleri uygulanarak ortaya çıkan kelime vektörlerinin sınıflandırması sonucunda doğruluk ve F1-skor değerleri karşılaştırılmıştır. Karşılaştırmalar her bir sınıflandırma algoritması özelinde ayrı tablolar halinde sunulmuştur. Ayrıca tüm algoritmaların birbiri ile karşılaştırmasını içeren tablolar oluşturularak sonuçlar analiz edilmiştir.

Birçok farklı sektörde metin halinde bulunan verilerden istenilen bilgilerin elde edilmesi için doğal dil işleme, metin madenciliği ve derin öğrenme yöntemleri kullanılmaktadır. Son zamanlarda artan Ar-Ge proje sayıları ve farklılaşan proje faaliyet alanları ile birlikte Ar-Ge projelerinin ait olduğu araştırma alanlarının belirlenmesi ve bu araştırma alanlarına uygun hakemlerin tespitinde yaşanan sıkıntılar nedeniyle projelerin desteklenme süreçleri olumsuz etkilenebilmektedir. Bu makalede, Ar-Ge projelerinin sınıflandırılması amacıyla öncelikli olarak çalışmanın gerçekleştirildiği veri tabanındaki veriler temizlenmiş ve doğal dil tekniklerinden biri olan “Word2Vec” kelime temsili yöntemi ile otomatik özellik öğrenme yaklaşımı kullanılarak özelliklerin sınıflandırılması amacıyla Evrişimsel Sinir Ağları (CNN-Convolutional Neural Network) modelleri oluşturulmaya çalışılmıştır. TUBİTAK Dergipark sitesinden seçilen ve sınıfları belli olan Ar-Ge projeleri ve Ar-Ge proje içeriğine sahip m...

Data analysis becomes difficult when the amount of the data increases. More specifically, extracting meaningful insights from this vast amount of data and grouping it based on its shared features without human intervention requires advanced methodologies. There are topic-modeling methods that help overcome this problem in text analyses for downstream tasks (such as sentiment analysis, spam detection, and news classification). In this research, we benchmark several classifiers (namely, random forest, AdaBoost, naive Bayes, and logistic regression) using the classical latent Dirichlet allocation (LDA) and n-stage LDA topic-modeling methods for feature extraction in headline classification. We ran our experiments on three and five classes of publicly available Turkish and English datasets. We have demonstrated that, as a feature extractor, n-stage LDA obtains state-of-the-art performance for any downstream classifier. It should also be noted that random forest was the most successful algorithm for both datasets.

Veri madenciliği, yapay sinir ağları, kümeleme analizi gibi konularda bilgi sahibi olmak isteyen araştırmacılar için Tuğba Şimşek Gürsoy tarafından yazılan Veri Madenciliği ve Bilgi Keşfi kitabı yararlı olacaktır. Kitapta veri madenciliğinin kullanımına dair uygulamalar örnekler ile sunulmuştur. Yazar kitapta veri madenciliğinde kullanılan modellerden, analizlerden bahsederek derinlemesine bilgiler sunmuştur. Nerede ise her analiz ve model için uygulama örneklerinin bulunduğu bu kitap veri madenciliğine giriş niteliğindedir. Bu bağlamda açık ve uzaktan öğrenme alanında veri madenciliği ile ilgili araştırmalar gerçekleştirecek olan araştırmacılar için titizce hazırlanmış bir kaynak olduğu belirtilebilir.

Bu çalışmada, metin madenciliği tekniklerinden yararlanılarak bir ürün hakkındaki yorumları otomatik olarak değerlendirip özetlemek için geliştirilmiş bir sistem tanıtılmıştır. İncelenen veriler doğal dilde yazılmış metinler olduğundan öncelikle morfolojik analiz işleminden geçirilmiştir. Metinler içerisinde ürün özelliğini gösteren kelimeler ve pozitif-negatif anlamlı sıfatlar belirlenmiştir. Niteleyen ve nitelenen kelimelerin tespiti için ise Türkçe dilbilgisi kurallarına göre ağaç yapısı oluşturulmuştur. Ağaç yapısı üzerinde Derinlik Öncelikli Arama algoritması kullanan bir yazılım geliştirilmiştir. Yazılımın çalıştırılması sonucunda elde edilen veriler SQL veritabanında depolanmaktadır. Bu verilerden ürünün herhangi bir özelliğine göre sorgulama yapıldığında, o özellik hakkında memnuniyet derecesini ifade eden sayısal bilgiler elde edilerek yorumlanmıştır.

Haar transformation in text analysis  Using wavelet in sentiment analysis  Text visualization using wavelet Sentiment and semantic analysis of a text are very important issues of today because of increasing text data. Our study proposes a new method to reveal the hypernym relations (generic term) of the words in the text and to enhance the accuracy of sentiment classification result of the texts. We used wavelet transform method that has been rarely used in text analysis. Figure A. General Flow Diagram of Wavelet Sentiment Classification Purpose: The aim of the study is finding new approaches that uses wavelet transformation technique for text semantic representation and text sentiment analysis. We investigate the contribution of wavelet on the sentiment analysis classification problem. We used classical algorithms and hybrid wavelet algorithm for sentiment analysis problem. Theory and Methods: The wavelet transformation, which is generally utilized for signal processing, is used for text semantic representation and text sentiment analysis. The frequency vectors that include term frequency of special words in the reviews are transformed to D matrix using a discrete wavelet transformation. The flow of the wavelet sentiment classification is seen on Figure A. We used 5 polarity classes, which are "high positive", "low positive", "neutral", "high negative", and "low negative" in our classification problem. Results: Even wavelet is generally used for signal processing, it is seen that it is also useful for text semantic representation and sentiment analysis. In our study, to use wavelet transformation with classical classification algorithm provided % 3-5 increases in accuracy. Conclusion: As a result, wavelet transform can be used in the semantic representation of the text. When the wavelet method is added to the classical sentiment classification problem, it helps to improve accuracy. It is expected that our method will contribute to text analysis problems and applications such as decision making and text applications containing hierarchical data.

With the development of technology, the amount of data is increasing rapidly, it will not be possible to find useful information from this ever-increasing data and to determine the solutions related to our needs manually among the data. As long as the data is not processed for this purpose, it will be very difficult to obtain useful information by making meaningful analyzes. For this reason, it is aimed to transform this big data into information quickly through systems and to make it usable by people. Sentiment analysis is the use of different methods to obtain the result of which of the emotions a text is closer to, such as positive, negative or neutral. In this study, sentiment analysis studies conducted in the last ten years (2013-2022) were discussed, evaluated and classified. For this purpose, 68 studies in which sentiment analysis was performed using dictionary-based approach, machine learning approach and hybrid approach methods were examined. Studies were first classified according to the methods used in sentiment analysis, and then according to the way the data were obtained and the language of the text examined. Apart from these, the steps applied according to the methods used in sentiment analysis were examined in detail. In order to increase the success rates obtained in sentiment analysis studies, the studies examined were compared through tables. Each method is evaluated within itself and the connections between the criteria examined and the results obtained are investigated in order to obtain more successful results.

Günümüzde siber güvenlik uygulamaları başta olmak üzere, bilgisayar ve dil bilimleri alanlarında popüler olarak kullanılan kavramlardan biri olan natural language processing kelimesinin Türkçe karşılığı doğal dil işleme olarak isimlendirilmektedir. Özellikle bilişim alanında kullanımı, akronimi olarak NLP harfleri ile gösterilmektedir. Öncelikle doğal dil, insanların kendi aralarında iletişim kurabilmesi amacıyla geliştirdiği yazılı, görsel veya işitsel çıktılar bütünüdür. Bu sebeple de doğal diller insanlık tarihi kadar eski olup, insanlar tarafından kullanıldığı ölçüde ihtiyaçlara göre sürekli bir değişim içinde olmuştur. Günümüzde evrensel geçerliliği bulunan bir doğal dil bulunmamakta olup, çeşitli ülkelerde farklı doğal dil veya diller iletişim için kullanılmaktadır. Hâlihazırda yaklaşık %90’ı 100.000 nüfusun altında konuşanı olan 7117 adet doğal dilin olduğu tahmin edilmekte olup, bunların çoğunun yazma, konuşma ve sembolleri kendi aralarında farklılık göstermektedir (Ethnologue, 2020). Örneğin Türkçe’de insanların bilgi birikimini artırmak için okuma yaptıkları nesne kitap, bunları koydukları dolap ise kitaplık olarak isimlendirilirken; İngilizcede, book ve Bookshelf; Rusçada, книга ve книжная полка; Arapçada كتاب ve رف الكتب ve Çincede ise; 书 ve 书架 olarak sembolize edilmektedir. Sembolize etmede farklılıklar olsa da duyguları ifade ederek iletişime geçmede bütün doğal diller benzer bir vazife görmektedir. Sembolize etmedeki ve gerçek hayattaki uygulama farklılıklarını normalleştirerek, bilgisayarların anlayabileceği bir dile çevirme işlemi doğal dil işleme faaliyetidir.

Özetçe-Sözcüklerin dağılımsal gösterimleri hem sözdizimsel hem de anlambilimsel doğal dil işleme problemlerinde kullanılmaktadır. Bu bildiride sözcük köklerinin kümelenmesi için iki farklı yöntem kullanılmıştır. İlk yöntemde dağılımsal bir sözcük modeli olan word2vec [1] modeli daha önceki çalışmalardan farklı olarak Türkçedeki sözcük köklerinin kümelenmesi için kullanılmıştır. Bu amaçla, sözcük köklerinin dağılımsal olarak benzerlikleri word2vec kullanılarak modellenmiş ve kökler sözdizimsel (isim, fiil vs.) olarak birbirine benzer kategorilere ayrıştırılmıştır. Diğer yöntemde ise sözcük köklerinin kümelenmesi için bilgi teorisi ve olasılık tabanlı iki ayrı model geliştirilmiştir. Karşılıklı bilgi (mutual information) ile geliştirilen bir metrik [8] ve Jensen-Shannon ıraksama (divergence) metriği ile sözcük köklerinin benzerlikleri hesaplanmış ve bu şekilde kümeleme işlemi yapılmıştır. Sözcük köklerinin sözdizimsel olarak kümelenmesi, makine tercümesi, soru cevaplama gibi dil üretme içeren diğer doğal dil işleme uygulamalarında, özellikle sondan eklemeli diller için önemli bir yere sahiptir. Elde edilen sözcük köklerine ait kümelerin saflık değeri 0.92'ye kadar yükselmiştir.

This is an accepted manuscript of an article published by IEEE in 2016 24th Signal Processing and Communication Application Conference (SIU) on 23/06/2016, available online: https://ieeexplore.ieee.org/document/7496026 The accepted version of the publication may differ from the final published version.Distributional representation of words is used for both syntactic and semantic tasks. In this paper two different methods are presented for clustering word roots. In the first method, the distributional model word2vec [1] is used for clustering word roots, whereas distributional approaches are generally used for words. For this purpose, the distributional similarities of roots are modeled and the roots are divided into syntactic categories (noun, verb etc.). In the other method, two different models are proposed: an information theoretical model and a probabilistic model. With a metric [8] based on mutual information and with another metric based on Jensen-Shannon divergence, similarit...

 Examination of social media platform shares using Natural Language Processing Methods  Examination of the data set with the help of Text Mining techniques  Determining the subheadings in the data set with the Topic Modelling methods Figure A. System Architecture Purpose: The aim of this paper is to reveal the main topics discussed by examining reddit user comments about cancer disease. Theory and Methods: After the preproccesing, user comments are divided into topics with the help of the latent dirichlet allocation method. Results: The proposed approach using LDA has created consistent and semantically meaningful topics and clusters from user shares. The obtained topics can not only help people to interpret the texts in a large sharing collection in a way that can be interpreted by human beings but can also help patients and doctors discover new content that may be neglected. Conclusion: The results obtained with the LDA algorithm consist of the diagnosis of cancer disease, treatment process, moral-motivation during the disease period, chemotherapy period and medical support.

Son zamanlarda internet üzerinde üretilen veriler her geçen gün artmaktadır. Bu verilerin önemli bir çoğunluğunu da metinler oluşturmaktadır. Metinlerin çoğunlukta olması, bilim insanlarını bu alanda daha fazla çalışma yapmaya yönlendirmiştir. Metinler üzerinde yapılan çalışmaların en popüler olanı Konu Modelleme (KM) yöntemleridir. Konu modelleme yöntemleri metinlerin içerisinde gizli veya açık geçen konuları tespit etmektir. Bu çalışma kapsamında elde edilen metin veri kümeleri üzerinde Gizli Dirichlet Ayrımı (GDA), ilişkisel konu modeli (İKM) ve yapısal konu modeli (YKM) yöntemleri uygulanmıştır. Ayrıca çalışma da konu modelleme yöntemlerinin sonuçlarını karşılaştırabilmek için konu tutarlılığı ve çapraşıklık değerleri kullanılmıştır. Kaynak olarak kullanılan yayındaki yöntemlerin sonuçları ile çalışmada elde edilen sonuçların aynı olduğu görülmüştür. Çapraşıklık değerine ek olarak kullandığımız tutarlılık değeri de aynı şekilde YKM yönteminde daha başarılı sonuçlar elde edildiği gösterilmiştir. Tutarlılık değeri 0.509 olarak YKM tip 3 yöntemi en iyi sonucu vermiştir. Ayrıca bundan sonra yapılacak çalışmalar içinde karşılaştırma yöntemi gösterilmiştir.

information extraction from consumer's comments on internet media In this study, a system developed to summarize by automatically evaluating comments about product with using text mining techniques will be described. The data has been primarily went through morphological analysis process, because they are texts written in natural language. Words and adjectives meaning positive or negative are determined. They show product features in texts. The tree structure is established according to Turkish grammar rules as subordinate and modified words are designated. The software which uses the depth-first search algorithm on the tree structure is developed. Data from result of software is stored in the SQL database. When any inquiry is made from these data depending on any property of product, numerical information which indicates the degree of satisfaction about this property is obtained. .

Data analysis becomes difficult with the increase of large amounts of data. More specifically, extracting meaningful insights from this vast amount of data and grouping them based on their shared features without human intervention requires advanced methodologies. There are topic modeling methods to overcome this problem in text analysis for downstream tasks, such as sentiment analysis, spam detection, and news classification. In this research, we benchmark several classifiers, namely Random Forest, AdaBoost, Naive Bayes, and Logistic Regression, using the classical LDA and n-stage LDA topic modeling methods for feature extraction in headlines classification. We run our experiments on 3 and 5 classes publicly available Turkish and English datasets. We demonstrate that n-stage LDA as a feature extractor obtains state-of-the-art performance for any downstream classifier. It should also be noted that Random Forest was the most successful algorithm for both datasets.

ÖZ: Klasik duygu analizi yöntemlerinden farklı olarak hedef tabanlı duygu analizi (HTDA), birden fazla kategorinin olduğu karmaşık yapıdaki çevrimiçi tüketici geribildirimlerini değerlendirmede daha başarılı bir performans ortaya koyabilmektedir. Nitekim bir platformda yer alan tüketici geri bildirimleri bir ürüne ilişkin birden farklı hedefe atfedilebilmektedir ve standart duygu analizleri bu geribildirimleri analiz etmede yetersiz kalmaktadır. Literatürdeki gelişmeler gözden geçirildiğinde, HDTA çalışmalarının, duygu analizine odaklanan diğer çalışmalar içinde oldukça popüler olduğu anlaşılmaktadır. SemEval ABSA-2016 yarışmasında, HTDA için 8 farklı dilde veri setleri yayınlanmış ve ekipler duygu analizi için yarışmışlardır. Yarışmada hedef terim, kategori ve duygu sınıfı tespit etmek gibi farklı alt görevler bulunmaktadır. Bu alt görevlerin içindekilerden biri, hedef terimin tespit edilmesidir. Türkçe dili için HTDA çalışmaları oldukça sınırlıdır. Farklı diller ve farklı kelime temsil yöntemleri kullanan çalışmalar vardır. SemEval Absa 2016 yarışması Türkçe veri seti için kelime temsil yöntemlerinin etkisini inceleyen çalışma bulunmamaktadır. Bu çalışma, müşteri yorumlarındaki hedef terimlerin tespitinde farklı kelime temsil yöntemlerinin başarısının incelenmesi amacıyla gerçekleştirilmiştir. Word2Vec, Glove ve Fasttext kelime temsil yöntemleri analiz kapsamında incelenmiş ve hedef terimi en başarılı tespit edebilen yöntemin Fasttext kelime temsil yöntemi olduğu görülmüştür. Çalışmada ayrıca F-1 sınıflandırma ölçütü açısından %77 başarı oranı ile Türkçe veri seti için literatürdeki en yüksek sınıflandırma başarısı elde edilmiştir. ANAHTAR KELİMELER: Hedef tabanlı duygu analizi, hedef terim, kelime temsil yöntemleri, müşteri geribildirimleri, Türkçe metinler, Word2Vec, Glove, Fasttext ///// ABSTRACT: Unlike classical sentiment analysis methods, Aspect-Based Sentiment Analysis (ABSA) can demonstrate a more successful performance in evaluating complex online consumer feedbacks including more than one category. As a matter of fact, consumer feedbacks on a platform can be referred to more than one aspect regarding a product, and standard sentiment analysis method is insufficient to analyse these comments. When the developments in the literature are reviewed, it is understood that HDTA studies are very popular among other studies focusing on sentiment analysis. In the SemEval ABSA-2016 competition, datasets were published in 8 different languages for HTDA and the teams competed for sentiment analysis. There are different subtasks in the competition, determining sub-categories such as aspect term, category and sentiment class. One of these subtasks is to determine the aspect term. HTDA studies for Turkish language are quite limited. There are studies using different languages and different word representation methods. There is no study examining the effect of word representation methods for the Turkish data set of SemEval Absa 2016 competition. This study was carried out to examine the success of different word representation methods in identifying aspect terms in customer comments. This study was carried out with the aim of examining the success of different word representation methods in identifying target terms in customer comments. Word2Vec, Glove and Fasttext word representation methods were examined within the scope of the analysis and it was seen that the method that could detect the aspect term most successfully was the Fasttext word representation method. The highest classification success for Turkish dataset in the literature with a success rate of 77% in terms of the F-1 score was also achieved in the study. KEYWORDS: Aspect based sentiment analysis, aspect term, word representation methods, consumer feedbacks, Turkish texts, Word2Vec, Glove, Fasttext

06.03.2018 tarihli ve 30352 sayılı Resmi Gazetede yayımlanan “Yükseköğretim Kanunu İle Bazı Kanun Ve Kanun Hükmünde Kararnamelerde Değişiklik Yapılması Hakkında Kanun” ile 18.06.2018 tarihli “Lisansüstü Tezlerin Elektronik Ortamda Toplanması, Düzenlenmesi ve Erişime Açılmasına İlişkin Yönerge” gereğince tam metin erişime açılmıştır.Tüketicilerin satın alma davranışlarını etkileyen en önemli unsurlardan birinin başka tüketicilerin görüşleri olduğu bilinmektedir. İnternet ortamında yapılan alışverişlerde ürün veya hizmetler hakkında görüş belirtmek ya da bu görüşlere ulaşmak kolaydır. Ancak bu avantaj aynı zamanda yorum sayısını arttırdığı için tüm yorumları incelemek zorlaşmaktadır. Bu çalışmada tüketiciye zaman kazandırmak için yorumlardan özet nitelikte bilgi çıkarılması konusu ele alınmıştır. Seçilen bir ürüne ait tüketici yorumları www.hepsiburada.com adı web sitesinden alınarak öncelikle morfolojik analiz işleminden geçirilmiştir. Önişlemeye hazır hale getirilmiş kelimelerin ana...

information extraction from consumer's comments on internet media In this study, a system developed to summarize by automatically evaluating comments about product with using text mining techniques will be described. The data has been primarily went through morphological analysis process, because they are texts written in natural language. Words and adjectives meaning positive or negative are determined. They show product features in texts. The tree structure is established according to Turkish grammar rules as subordinate and modified words are designated. The software which uses the depth-first search algorithm on the tree structure is developed. Data from result of software is stored in the SQL database. When any inquiry is made from these data depending on any property of product, numerical information which indicates the degree of satisfaction about this property is obtained. .

Recently, the rapidly growing usage of internet both in the world and in our country has brought many e-commerce and online web markets opportunities together. Probably the biggest job opportunity among these opportunities is online product selling on websites. The number of companies which sells online products is increasing more and more. Due to the competition between companies, the same product prices could be a lot different between companies. For the persons who are going to buy an online product, scanning all of the web markets and other ecommerce sites in order to find the cheapest product they are looking for is very hard and time consuming process. Instead of searching individually, all of the online product selling web sites can be crawled by software and same products can be grouped to display to the users with their prices. But grouping same products which are collected from different web sources is a difficult problem. The products information may have faulty, missing, redundant or inconsistent data by their nature. For example, in order to impress customers there may be extra words when defining product features or missing or incorrectly written words by human errors. This situation that we call as noise is certainly a problem that has to be solved when clustering same products. There are few works about processing products information obtained via web crawling in literature. Unsupervised clustering of the same products, and its priori steps, feature vectors extraction and normalization against noises are topics that are not studied till now. There are works about automatic products clustering in literature but these works are wide scaled categorization and aim to cluster products having one or more similar aspects. In this thesis, e-commerce and online web markets are crawled via our crawling agent and many products information are collected from many different sources. These products’ information is saved in a designed database and then the noises are eliminated and feature vectors are generated using the proposed normalization and feature vectors extracting methods. The products having extracted features are tested via newly developed clustering algorithm and standard clustering algorithms, and performance analysis is presented. In addition, in this thesis new error metrics are proposed that calculates the error rate in clustering of the same products. Finally, clustered commercial products are opened to public use via the developed web interface that will satisfy users’ demands. 


Son yıllarda, dünyada ve ülkemizde hızla yaygınlaşan internet kullanımı, beraberinde pek çok e-ticaret iş olanaklarını ve çevrimiçi web marketleri geliştirmiştir. Bu iş olanaklarından belki de en büyüğü internet siteleri üzerinden etkileşimli ürün satışıdır. İnternet siteleri üzerinden etkileşimli ürün satışı yapan firma sayısı her geçen gün artmaktadır. Firmalar arası rekabetten dolayı, aynı ürünün satış fiyatları, firmalar arasında büyük farklılıklar göstermektedir. İnternet üzerinden ürün satın alacak kişilerin, bütün web marketleri ve diğer e-ticaret sitelerini tarayarak, alacağı ürünün en ucuzunu bulması hem zor hem de çok zaman alıcı bir iştir. Kişilerin bütün ürün satan siteleri taraması yerine, ürün satışı yapan siteler program aracılığı ile taranabilir ve aynı ürünler gruplanarak, müşterilere fiyatlarıyla beraber listelenmesi sağlanabilir. Fakat farklı web kaynaklarından toplanan aynı ürünlerin gruplanması zor bir problemdir. Ürünlere ait bilgiler doğası gereği hatalı, eksik, fazla ya da çelişkili veriler içerebilmektedir. Örneğin, müşterileri etkilemek için ürünün tanımlanmasında fazladan kelimeler kullanılabilmekte, ya da insan hatasıyla kelimeler yanlış ya da eksik yazılabilmektedir. Gürültü olarak isimlendirdiğimiz bu durum aynı ürünlerin kümelenmesinde kesinlikle çözülmesi gereken sorunlardan birisidir. Literatürde web tarama yoluyla toplanan ürün bilgilerinin işlenmesine yönelik çalışmalar çok azdır. Aynı ürünlerin gözetimsiz olarak kümelenmesi ve bu kümeleme işlemenin gerektirdiği ön işlemlerden olan özellik vektörlerinin çıkarılması ve gürültülere karşı normalleştirme henüz çalışılmamış konular arasındadır. Literatürde ürünlerin otomatik olarak kümelenmesine yönelik çalışmalar mevcut olmakla beraber, bu çalışmalar geniş ölçekli kataloglama olarak karşımıza çıkmakta ve bir veya daha fazla açıdan benzer olan ürünlerin kümelenmesini amaçlamaktadır. Bu tez çalışmasında, e-ticaret ve çevrimiçi web market siteleri geliştirilen tarama ajanı ile taranarak farklı kaynaklardan birçok ürün bilgileri toplanmıştır. Bu ürün bilgileri geliştirilen veri tabanı sisteminde saklanmış ve daha sonra özel olarak geliştirilen normalleştirme ve özellik çıkarma yöntemiyle, gürültülerin elenmesi ve özellik vektörlerinin çıkarılması sağlanmıştır. Özellikleri çıkarılan bu ürünler geliştirilen kümeleme algoritması ve standart kümeleme algoritmaları üzerinde test edilerek performans analizleri gerçekleştirilmiştir. Ayrıca, bu tez kapsamında aynı ürünlerin gruplanmasında hata oranını hesaplayan yeni performans ölçütleri de önerilmiştir. Son olarak gruplanan ticari ürünler, geliştirilen web ara yüzü ile kullanıcıların ihtiyacını karşılayacak hale getirilmiş ve interaktif kullanıma açılmıştır.

Nowadays, data analysis has become a problem as the amount of data is constantly increasing. In order to overcome this problem in textual data, many models and methods are used in natural language processing. The topic modeling field is one of these methods. Topic modeling allows determining the semantic structure of a text document. Latent Dirichlet Allocation (LDA) is the most common method among topic modeling methods. In this article, the proposed n-stage LDA method, which can enable the LDA method to be used more effectively, is explained in detail. The positive effect of the method has been demonstrated by the applied English and Turkish studies. Since the method focuses on reducing the word count in the dictionary, it can be used languageindependently. You can access the open-source code of the method and the example:

Özetçe-Duygu analizi sosyal medya izleme çalışmaları için en kullanışlı yöntemlerden birisidir. Sosyal medya (Kişisel Blog, Twitter, Facebook) üzerinden elde edilen veri üzerinde duygu analizi uygulanarak, birşirketin müşteri servisinin, müşterilerden gelen olumlu ve olumsuz geri bildirimlere göre müşteri memnuniyetini saglaması ve maliyetleri düşürmesi saglanabilir. Ayrıca ekonomik, ticari ve kullanıcılara yönelik fikir madenciligi gibi çeşitli alanlarda kullanılarak anlamlı bilgiler elde edilebilir. Bu çalışmada, Türkçe Twitter mesajlardan oluşturulan veri seti metin sınıflandırma yöntemleri ile analiz edilerek olumlu veya olumsuz olup olmadıgı incelenmiştir. Deneysel sonuçlar SVM, Naive Bayes, Multinom Naive Bayes ve KNN algoritmalarıyla elde edilmiştir. Vector Space model ile temsil edilen öznitelikler, kelime torbası (Bag of Words, BoW) ve N-Gram model olmak üzere iki farklışekilde elde edilmiş ve bu durumun sınıflandırma sonuçlarına olan etkisi incelenmiştir. Anahtar Kelimeler-twitter, duygu analizi, duygu sınıflandırması, makine ögrenmesi, metin sınıflandırma.

Yazılım teknolojileri hızla ilerlemekte ve buna paralel olarak hem kamu alanında hem de özel sektörde bu teknolojileri kullanarak gerçekleştirilen yazılım otomasyon projelerinin sayısı hızla artmaktadır. Yazılım otomasyon projelerinden elde edilen en büyük çıktılardan birisi kuşkusuz ki üretilen verilerdir. Yüksek boyuttaki anlaşılması güç bu verilerin işlenerek, daha anlamlı ve yönlendirici verilere dönüştürülmesi önemli bir ihtiyaçtır. Bu ihtiyaçları karşılamak amacı ile elde edilen büyük veri yığınlarından gizli örüntüleri ve ilişkileri ortaya çıkarmaya yarayan veri madenciliği tekniklerinden yararlanılmaktadır. Toplanan veriler metin tabanlı ise eldeki yapısal olmayan bilgiler veri madenciliğindeki gibi alıp doğrudan kullanılamaz. Metin madenciliği, yapısal olmayan bu verileri analiz eder ve veri madenciliğinde kullanılabilecek formata dönüştürür. Metin ve veri madenciliği işlemleri sayesinde elde edilen verilerden anlamlı ve önemli olanlarının ortaya çıkartılıp, analiz edilmesi...

Sosyal ağların popülerleşmesi ile birlikte sosyal medya ortamlarındaki veri akışı artmıştır. Verinin artması, yapısal olmayan veri miktarını arttırmış, dolayısıyla veriden anlam çıkarabilme yeteneği olan, otomatik olarak duygu analizi yapan karar destek sistemlerinin önemi artmıştır. Bu çalışmada sosyal ağlardan daha yararlı bilgilere ulaşmak, kişilerin bulundukları çevrede gitmeyi planladıkları mekânlar hakkındaki görüşlerini otomatik olarak yorumlamak amacıyla, metin madenciliği ve duygu analizi teknikleri uygulanarak bir karar destek sistemi geliştirilmiştir. Olumlu ve olumsuz görüşler gerçek zamanlı olarak belirlenmekte ve duygu analizleri otomatik bir şekilde yapılmaktadır. Metin madenciliği tekniklerinin uygulanması için gerekli olan veri setleri insanların dünya üzerinde herhangi bir şehirde yemek, içmek, alışveriş yapmak veya ziyaret etmek için mekânları bulmalarını sağlayan Foursquare sosyal paylaşım platformunda bulunan yorumlardan oluşturulmuştur. İngilizce için kullanılan duygu analizi yöntemlerinin Türkçede göstereceği tepkiler incelenmiş ve Türkçeye özel yeni bir yöntem geliştirilerek duygu analizi metotları ile birleştirilmiştir. İkili sınıflandırmada %81,97, üçlü sınıflandırmada ise %84,49 başarı oranı elde edilmiştir.

Kurumsal şirketlerde, yazılımlardaki hatalar ve değişiklik talepleri genellikle bir talep yönetim sistemi üzerinden Bilgi Teknolojileri (BT) birimine iletilir. Bu sistemde yer alan öncelik bilgisi BT birimi için kritik öneme sahiptir. Ancak, talebi giren kişilerin inisiyatifine bırakılan öncelik kararı her zaman gerçekçi olmamaktadır. Örneğin, kritik olmayan ve düşük öncelikli bir değişiklik talebi yüksek öncelikli olarak girilebilmekte, bu da hatalı planlama ve müşteri memnuniyetsizliği ile sonuçlanabilmektedir. Bu çalışmada, iç müşteri talepleri metin madenciliği yöntemleriyle sınıflandırılarak taleplerin önem derecesi tahmin edilmeye çalışılmıştır. Sistemin eğitimi ve testi için kurumsal bir şirketin talep yönetim sisteminden alınan kayıtlar kullanılmıştır. Ham metin formundaki talep verisi üzerinde temizlik ve önişleme işlemlerinin ardından, doküman-terim matrisinin oluşturulmasında TFIDF (Terim Frekansı – Ters Doküman Frekansı) ağırlıklandırma yönteminden yararlanılmıştır. Oluş...

Terim ağırlıklandırma, metin sınıflandırmada sonuçlar üzerinde doğrudan etkili olan önemli bir adımdır. Ancak, bir metin sınıflandırma problemi olarak ele alınan duygu analizinde farklı önişleme tekniklerine bağlı olarak ağırlıklandırma yönteminin davranışı değişebilmektedir. Bu çalışmada bilgi getirimi, metin sınıflandırma, doküman filtreleme gibi farklı çalışma alanları için yakın zamanda önerilen yöntemler Twitter duygu analizinde uygulanmış ve sonuçlar üzerindeki etkisi incelenmiştir. Öznitelikler çıkarılırken kelime torbası (BoW) ve karakter seviye N-gram olmak üzere iki farklı model kullanılmıştır. Deneyler Türkçe ve İngilizce Twitter mesajlarından oluşan veri kümeleri üzerinde uygulanmıştır. Twitter mesajlarının duygu sınıflandırması, Gizli Dirichlet Ataması (LDA) tabanlı konu modeli ile gerçekleştirilmiştir. Sınıflandırma aşamasında ise Destek Vektör Makinesi (SVM) algoritması kullanılmıştır. Deneysel sonuçlara göre, Twitter duygu analizi çalışmalarında kullanılabilecek en etkili terim ağırlıklandırma yöntemi önerilmiştir. Term weighting is an important step which has direct impact on the result in classical text classification. However, the behavior of the term weighting method may vary depending on different preprocessing techniques in sentiment analysis which considered as a text classification task. In this study, term weighted methods which are newly proposed for various research areas such as information retrieval, text classification and document filtering, performed to investigate effect on results for Twitter sentiment analysis. In feature extraction phase, two different models are used including Bag of Words (BoW) and character level N-gram. The experiments conducted on data sets consist of Turkish and English Twitter feeds. Sentiment classification of Twitter feeds performed using topic model generated with Latent Dirichlet Allocation (LDA) method. The Support Vector Machine (SVM) algorithm is employed in the classification stage. According to the experimental results, the most effective term weighting method that can be used in Twitter sentiment analysis studies is suggested.

A new word-based natural language text transform algorithm that improves compression ratio of compression algorithms is presented in this paper. The algorithm, named as KESIDAL, uses wordbased static dictionaries. The main criteria while selecting the words for these dictionaries is the gain of these words in compression ratio. It was seen from our experiments that KESIDAL can also compress the natural language text files approximately to 2/3 of their sizes. It was also seen that if these transformed files are later compressed with other compression algorithms, the obtained results are 0.4% to 11.1% better than original compression ratios of these algorithms.

This research asserts that such features as the frequency of stop words and punctuation marks are sufficient for author identification of the texts that are column-long. Six of Cumhuriyet columnists who periodically write in the newspaper were selected and 120 columns were collected from each. Nine features based on the frequency of particular stop words and punctuation marks were extracted. Eight supervised machine learning algorithms were trained with extracted feature set. Author identification performance of each algorithm was measured. The effect of dimension reduction and scaling on each algorithm were also examined. Following these procedures, minimum 82% and maximum 92% accuracy were obtained. It is also found that scaling or dimension reduction with principal component analysis (PCA) do not create significant difference alone on accuracy scores, while scaling and linear discriminant analysis significantly increases the validation scores of some of algorithms such as support...

The classification of the emotions contained in the social media is of great importance in terms of its use in related fields such as media as well as developing technology. The Latent Dirichlet Allocation (LDA), a topic modeling algorithm, was used to determine which emotions the tweets on Twitter had in the study. Dataset consists of angry, fear, happy, sadness and surprise, 5 emotions and 4000 tweets. Zemberek, Snowball and the first 5 letter root extraction methods are used to create the model. The generated models were tested with the n-stage GDA method we developed and compared with the GDA. For the 5 classes of normal GDA method, the highest 60.4% success was achieved; 70.5% for 2-stage GDA and 76.4% for 3-stage GDA.

Nowadays, data analysis has become a problem as the amount of data is constantly increasing. In order to overcome this problem in textual data, many models and methods are used in natural language processing. The topic modeling field is one of these methods. Topic modeling allows determining the semantic structure of a text document. Latent Dirichlet Allocation (LDA) is the most common method among topic modeling methods. In this article, the proposed n-stage LDA method, which can enable the LDA method to be used more effectively, is explained in detail. The positive effect of the method has been demonstrated by the applied English and Turkish studies. Since the method focuses on reducing the word count in the dictionary, it can be used languageindependently. You can access the open-source code of the method and the example: https: //github.com/anil1055/n-stage_LDA

Understanding the reason behind the emotions placed in the social media plays a key role to learn mood characterization of any written texts that are not seen before. Knowing how to classify the mood characterization leads this technology to be useful in a variety of fields. The Latent Dirichlet Allocation (LDA), a topic modeling algorithm, was used to determine which emotions the tweets on Twitter had in the study. The dataset consists of 4000 tweets that are categorized into 5 different emotions that are anger, fear, happiness, sadness, and surprise. Zemberek, Snowball, and first 5 letters root extraction methods are used to create models. The generated models were tested by using the proposed n-stage LDA method. With the proposed method, we aimed to increase model’s success rate by decreasing the number of words in the dictionary. Using the multi-stage LDA (2-stages:70.5%, 3-stages:76.375%) method, the success rate was increased compared to normal LDA (60.375%) for 5 class.

Yayınevleri tarafından ilkokul, ortaokul ve lise seviyesindeki öğrenciler için okuma kitapları hazırlanmaktadır. Bu çalışmada ortaokul öğrencilerine yönelik olan eserler kullanılmıştır. 5 yayınevinden aynı isimli 5 Türk ve 5 dünya edebiyatından eser, doğal dil işleme teknikleriyle Türkçe dil bilgisi kuralları çerçevesinde analiz edilmiştir. Bu çalışmayla eserlerin yazımında ve eserlerdeki Türkçe kullanımında yayınevleri arasındaki farklılık ve benzerlikleri tespit etmek, aynı zamanda Türkçenin kullanım özelliklerini ortaya koymak amaçlanmıştır. İşlemlerin gerçekleştirilmesinde geliştirilen yazılım ve Türkçe doğal dil işleme kütüphanesi Zemberek kullanılmıştır. Eserlerin analiziyle elde edilen sonuçlar 5 yayınevinde oransal olarak benzeşmektedir ve yayınevleri arasındaki farklılıklar genel anlamda düşük seviyededir. Yalnızca çözümlenemeyen kelime sayısı, eserlerin ortalama cümle sayısı, eserlerdeki ortalama kelime sayısı, cümledeki ortalama kelime sayısı ve noktalama işaretlerinin (nokta ve virgül) kullanım oranında yayınevleri arasında ayrışma görülmektedir. Tüm eserler birlikte değerlendirildiğinde cümledeki ortalama kelime sayısı 6.45, kelimedeki ortalama harf sayısı 5.97 ve kelimenin ortalama hece sayısı 2.55’tir. Eserlerde en fazla kullanılan harfler A, E ve İ; en az kullanılanlar J, F ve P’dir. Kelimeler en çok B, K ve D; en az J, I ve L harfleriyle başlamakta ve en çok N, E ve A; en az C, B ve J harfleriyle bitmektedir. En çok kullanılan hece tipi sessiz-sesli, en az kullanılan hece tipi sesli-sessiz-sessizdir. Kelimelerin çoğunluğu ünlü ve ünsüz uyumuna uymaktadır. Ayrıca kelimelerin yaklaşık yarısı isim türünde ve ek almadan kullanılmıştır. Çekim eklerinin toplam kullanım sayısı yapım eklerinin toplam kullanım sayısından fazladır. 17 noktalama işaretinden 12 tanesi eserlerde yer almaktadır. Bununla birlikte farklı yayınevleri tarafından hazırlanıp yayımlanan aynı isimli eser içeriklerinin kısmen veya bütünüyle farklılaşabildiği görülmektedir.

Abstract-The classification of the emotions contained in the social media is of great importance in terms of its use in related fields such as media as well as developing technology. The Latent Dirichlet Allocation (LDA), a topic modeling algorithm, was used to determine which emotions the tweets on Twitter had in the study. Dataset consists of angry, fear, happy, sadness and surprise, 5 emotions and 4000 tweets. Zemberek, Snowball and the first 5 letter root extraction methods are used to create the model. The generated models were tested with the n-stage LDA method we developed and compared with the LDA. For the 5 classes of normal LDA method, the highest 60.4% success was achieved; 70.5% for 2-stage LDA and 76.4% for 3-stage LDA.

Abstract-With the rapid development of the Internet, thousands of different news reports from different channels are presented to us. So much news, particularly in the media sector, is an important question to be categorized and archived without human effort. In this study, it is aimed to be able to determine which news item belongs to large news headlines collected from news sites. For this, a two stage method is proposed, which is based on the classical Latent Dirichlet Allocation (LDA) algorithm used in the model. With the developed two stage LDA method, comparison of the conventional LDA was made. Then, by creating a file with an arff extension from the word weights of the topics, the success of the machine learning methods in Weka was measured.

Özet Türkçe yazılı ve sözlü derlem tasarımlarının son on yılda yoğunlaşmış ve kullanıma açılmış olması, Türkçe derlem dilbilimsel araştırma yöntemlerinin tartışılması ve derlemlerin etkin kullanımlarının yaygınlaşmasını gerekli kılmaktadır. Bu yuvarlak masada sunulan bildiriler ve tartışmalarda, güvenilir ve tekrarlanabilir nicel ve nitel araştırma yöntemleri, derlem oluşturma ve kullanmanın etik kuralları, Türkçe derlem araştırmalarını bekleyen yeni çalışma ve eylem planları ele alınmıştır. Anahtar sözcükler: derlem dilbilimi araştırma yöntemleri, istatistiksel çözümlemeler, nitel araştırmalar, Sözlü Türkçe Derlemi (STD), Türkçe Ulusal Derlemi (TUD) (to cite : Ruhi, Şükriye, Mustafa Aksan & Yeşim Aksan (2014) Derlem dilbilim yöntemlerinin etkin olarak araştırmalarda kullanımı: Uygulamalar [The effective use of corpus linguistic methods in linguistic research: Applications]. Büyükkantarcıoğlu, N. et al. (Eds.) Proceedings of the 27th National Linguistics Conference, 264-270. Ankara: Hacettepe University. )

Geçerliliği ve güvenirliği sınanmış büyük bir dil derlemi olan Türkçe Ulusal
Derlemi üzerinden bir sözcük ve ek sıklığı çalışması yeni tamamlanmış ve
bu çalışmanın ürünü olarak Türkçe Sözcük ve Ek Sıklığı Sözlüğü basıma hazır
hale getirilmiştir. Bu çalışmanın amacı derlem dilbilim ve sayısal dilbilim
yöntemleri kullanılarak hazırlanan sözkonusu sözlüğü oluşturmada izlenen
tasarım ilkelerini ve uygulamaları anlatarak sözlüğü kapsam ve içerik olarak
betimlemektir. Ayrıca bu sözlüğün hazırlanmasında Türkçenin çok sözcüklü
birimlerinin (ÇSB)lerin belirlenmesi ve sözlüğünün hazırlanmasına ilişkin
yapılan saptamalar da yer verilmiştir.(to cite :  Aksan,Yeşim & Mustafa Aksan (2016) Türkçenin derlem-temelli sıklık sözlüğü: Temel İlkeler ve Uygulama. Uluslarası Sözlük Bilim Sempozyumu Bildiri Kitabı cilt I, 81-96.)

Özet Bu yazıda, Manisa ağızları çalışmam boyunca zaman tasniflerinin anlamlandı-rılması konusunda hem kendimin hem de başka araştırmacıların görüşleri çer-çevesinde ortaya cıkan yeni başlıklar üzerinde durulmaktadır. Gramer kitapları-mızda klasikleşerek " Birleşik çekim " dediğimiz kavramın adlandırılması, araş-tırmacılar tarafından haklı olarak eleştirilmektedir. Bu noktada devreye " kip " ve " kiplik " kavramları da girmektedir. Yazının başlangıcında " zaman " kavramıyla ilgili genel bir değerlendirme yapılmakta, " kip " ve " kiplik " kavramlarının tanım-larıyla ilgili bir özet verilmekte ve Manisa ağızları çerçevesinde geliştirdiğim yeni zaman adlandırmaları üzerinde durulmaktadır. Anahtar Kelimeler: Zaman, birleşik çekim, adlandırma, tasnif. Abstract This article focuses on new topics emerging within the framework of my own and other researchers' views on the meaning of time scales throughout my study of Manisa dialects. In our grammatical books, the nomenclature of the classical concept of "united attraction" is criticized by researchers. At this point, the concepts of "kip" and "personality" also come into play. At the beginning of the writing, a general evaluation is made about the concept of "time", a summary is given about the definitions of the concepts of "kip" and "personality" and new time nomenclature developed in the framework of the Manisa dialects is emphasized.